我正在使用Cascading分析具有各种域名的日志文件。以下是过滤后输出报告的示例：
www.google.nl 3
www.google.it 3
www.google.com.co 3
www.google.com.hk 3
www.google.co.jp 3
我想将所有“谷歌”的域名分组或合并为一行。所有谷歌域名的输出报告只有1行。像这样：
www.google.com 15
或
google 15
你认为这是可能的吗？有什么想法吗？
答案 0 :(得分：0)
只要您了解如何设置点按并将其绑定到管道，就可以使用RegexMatcher之类的功能搜索^www\\.google.*并将它们放在单独的列中，然后使用{{3想出一个计数。
您应该能够在两个管道中完成此特定任务。一个用于从您的链接中获取Google，另一个用于计算它们。
希望这有帮助！
答案 1 :(得分：0)
可以级联。 假设您的字段名称是（url，count）。 应用一个函数来添加一个名为＆＃34; domain＆＃34;的字段。如果行包含单词 google 并丢弃网址字段，则包含值google。 现在，如果您不需要任何其他域，请将其过滤掉。 所以现在你有两个字段（域名，计数），其中域只包含单词谷歌
现在使用级联的AggregateBy（），SumBy（）函数。
SumBy any_name = new SumBy（field_name_to_sum，field_name_after_sum，dataType class）;
管道结果=新的AggregateBy（＆＃34;名称＆＃34;，Pipe.pipes（sourcePipeName），name_of_groupBy_field，number_of_SumBy_instances，name_of_sumBy_instance）;
在你的情况下变成
SumBy xyz = new SumBy（新字段（＆＃34; count＆＃34;），新字段（＆＃34; combined_count＆＃34;），Integer.class）;
管道结果=新的AggregateBy（＆＃34;结果＆＃34;，Pipe.pipes（sourcePipeName），新字段（＆＃34;域＆＃34;），1，xyz）;
所以现在结果管道包含一行（谷歌，计数）
因此，上面的代码片段将与下面的SQL Query类似。
选择域名，来自源组的总和（计数）;