假设我在 file.txt
a,b,c
a,b,d
k,l,m
k,l,n
k,l,o中有一组值
我的代码是：
file = LOAD 'file.txt' using PigStorage(',');
events = foreach 文件生成 session_id、user_id、代码、类型；
gr = 按 (session_id, user_id) 分组事件；
我有一套价值：
((a,b),{(a,b,c),(a,b,d)})
((k,l),{(k,l,m),(k,l,n),( k,l,o)})
我想要： (a,b,(c,d))
(k,l,(m,n,o))
你知道怎么做吗？
问候帕维尔
注意：您的问题不一致。您在线上说session_id, user_id, code, type，FOREACH但是您的 PigStorage 不提供值。此外，它FOREACH有 4 个值，而您的示例数据只有 3 个。我假设它type不存在以回答您的问题。
在您的gr关系之后，您将(session_id, user_id)在一个名为group.
所以，第一步：gr2 = FOREACH gr GENERATE FLATTEN(group);
这会给你元组(a,b)和(k,l). 您需要使用FLATTEN因为group是一个元组，并且您要求session_id并user_id成为单独的列。FLATTEN为你做。
好的，所以现在修改该gr2行以也使用投影来梳理出第三个值：
gr2 = FOREACH gr GENERATE FLATTEN(group), events.code;
events.code从所有值中创建一个包。是分组元组包的名称（它以原始关系命名）。codeevents
这应该给你：
(a, b, {c, d})
(k, l, {m, n, o})
非常重要的是要注意列表中的值是在一个包而不是一个元组中，就像你要求的那样。将它保存在包中是正确的想法，因为包是一个变量列表，而元组不是。
附加建议：了解如何GROUP BY输出数据是我看到很多人在第一次使用 Pig 时遇到的问题。如果您认为我的回答没有多大意义，我建议您花一些时间真正了解GROUP BY. 从长远来看，理解与认为它是魔法会得到回报。