apache-pig - Apache Pig rank函数的使用

Question

我正在使用 Pig 0.11.0 排名函数并为我的数据中的每个 id 生成排名。
我需要以特定方式对我的数据进行排名。我希望每个新 ID 的排名都重置并从 1 开始。

是否可以直接使用 rank 函数？
任何提示将不胜感激。

数据:

id,rating
X001, 9
X001, 9
X001, 8
X002, 9
X002, 7
X002, 6
X002, 5
X003, 8
X004, 8
X004, 7
X004, 7
X004, 4

在使用秩函数时，如:
op = 按 id、score 对数据进行排名；

我得到这个输出

rank,id,rating
1, X001, 9
1, X001, 9
2, X001, 8
3, X002, 9
4, X002, 7
5, X002, 6
6, X002, 5
7, X003, 8
8, X004, 8
9, X004, 7
9, X004, 7
10, X004, 4

所需的 O/P:

rank,id,rating
1, X001, 9
1, X001, 9
2, X001, 8
1, X002, 9
2, X002, 7
3, X002, 6
4, X002, 5
1, X003, 8
1, X004, 8
2, X004, 7
2, X004, 7
3, X004, 4

Answer 1

您可以按 id 对数据进行分组，然后使用 UDF Enumerate (DataFu) 将索引附加到包的每个元组。

register datafu-1.1.0.jar;
define Enumerate datafu.pig.bags.Enumerate('1');

data = load 'data' using PigStorage(',') as (id:chararray, rating:int);
data = group data by id;
data = foreach data {
  sorted = order data by rating DESC;
  generate group, sorted;
}
data = foreach data generate FLATTEN(Enumerate(sorted));
data = foreach data generate $2, $0, $1;
dump data;

DataFu jar 文件可以从 Maven 中央存储库下载: http://search.maven.org/#search|ga|1|g%3A%22com.linkedin.datafu%22