hadoop - 通过id的Hadoop Pig GROUP，获取owner_id？

Question

在Hadoop中，我有很多看起来像这样:(item_id,owner_id,counter)-可能重复，但item_id始终具有相同的owner_id!

我想获取每个counter的item_id的总和，所以我有以下脚本:

alldata = LOAD '/path/to/data/*' USING D; -- D describes the structure
known_items = FILTER alldata BY owner_id > 0L;
group_by_item = GROUP known_data BY (item_id);
data = FOREACH group_by_item GENERATE group AS item_id, OWNER_ID_COLUMN_SOMEHOW, SUM(known_items.counter) AS items_count;

问题是在 FOREACH中，如果我想使用 known_items.owner_id-那将是一个具有所有分组的 item_id的总和的元组。获取第一个所有者的最有效方法是什么？

Answer 1

如果您假设每个item_id具有相同的owner_id是正确的，那么最简单的解决方案将为您提供正确的答案，如果不正确，则会让您知道:将owner_id包含在组中。

alldata = LOAD '/path/to/data/*' USING D; -- D describes the structure
known_items = FILTER alldata BY owner_id > 0L;
group_by_item = GROUP known_data BY (item_id, owner_id);
data = FOREACH group_by_item GENERATE FLATTEN(group), SUM(known_items.counter) AS items_count;