apache-pig - Pig Latin 在每一行中使用文件中的第一个值

Question

我有很多文件，所有文件都采用相同的结构。每个文件的第一行是一个key(在这个例子中是电影的key)，后面是user-id、rating和date的记录。

示例文件 1:

1:  
1488844,3,2005-09-06  
822109,5,2005-05-13  
885013,4,2005-10-19  

示例文件 2:

2:  
2059652,4,2005-09-05  
1666394,3,2005-04-19  
1759415,4,2005-04-22  
1959936,5,2005-11-21  

为了处理 pig 中的数据并获得每部电影或每年的最高收视率和平均收视率，我需要这样的东西:

1,1488844,3,2005-09-06  
1,822109,5,2005-05-13  
1,885013,4,2005-10-19  
2,2059652,4,2005-09-05  
2,1666394,3,2005-04-19  
2,1759415,4,2005-04-22  
2,1959936,5,2005-11-21  

我该如何管理它？谢谢!!!

Answer 1

尝试这样的事情:

inputs = LOAD 'input_path/*' using PigStorage('-tagsource');
grouped = GROUP inputs by $0;
processed = FOREACH grouped {
    key_row = FILTER inputs BY [regexp expression for the key row, or some simple string expression];
    without_key_row = FILTER input BY [the opposite expression];
    GENERATE
        (chararray)key_row,
        FLATTEN(without_key_row);
}