假设我有一个包含以下列的表(A,B,C)
如何在列(A)上编写一个pig语句来创建一个组。然后过滤计数(列B> 100)和计数(不同(列C)> 3)?
从我拥有的:
我首先删除了B小于100的计数
filter_column = FILTER data by b > 100;
然后在A上做了一组:
group_1 = GROUP filter_column by A;
我现在如何过滤这个group_1,其中C列中不同值的计数> 3?
要实现此目的,您可以在过滤值之前先聚合(计算列B和不同的列C)。
dataAggregated = FOREACH (GROUP data BY col_a) {
uniqC = DISTINCT data.col_c;
GENERATE
FLATTEN(group) AS col_a,
COUNT(data.col_b) AS b_count,
COUNT(uniqC) AS uniq_c_count; }
;
dataFiltered = FILTER dataAggregated BY b_count > 100 AND uniq_c_count > 3;
过滤标量(B列)不会产生与过滤聚合相同的结果(计数列B)。如果要对符合标准列B> 100的记录进行聚合(计数唯一列C),则应首先应用该过滤器。