hadoop - 如何从组转换为 apache pig 中的集合

Question

我正在使用 Apache Pig 和 Mahout。现在我正在研究 apache mahout 的频繁模式增长。我有以下格式的数据

    user items
    1     i1
    1     i2
    1     i3
    2     i2
    2     i5
    2     i6
    3     i1
    3     i4

--加载数据

data = LOAD '$input' AS (user,item);

然后我按用户分组我的数据

grpdata = GROUP data BY user;

我得到

1 {(1,i1),(1,i2),(1,i3)}
2 {(2,i2),(2,i5),(2,i6)}
3 {(3,i1),(3,i4)}

这是我的问题，如何将分组后创建的包更改为以下格式

1 i1,i2,i3
2 i2,i5,i6
3 i1,i4

Answer 1

您可以使用包投影获得您感兴趣的字段：

proj = FOREACH grpdata GENERATE group, data.item;

这会给你

1 {(i1),(i2),(i3)}
2 {(i2),(i5),(i6)}
3 {(i1),(i4)}

不幸的是，没有内置的功能来处理将包序列化为字符串的方式。您将需要编写一个为您完成该部分的 UDF。

Answer 2

为了得到 ：

(i1,i2,i3)
(i2,i5,i6)
(i1,i4)

你可以这样做 ：

res = foreach grpdata generate FLATTEN(BagToTuple($1.item));