Question

我正在尝试计算数据集中有多少值与过滤条件匹配，但是当过滤器没有条目匹配时，我遇到了问题。

我的data结构中有很多列，但此示例只有三个：key - 集合的数据键（不唯一），value - 记录的浮点值，nominal_value - 表示标称值的浮点数。

我们现在的用例是查找低于标称值10％或更多的值的数量。

我正在做这样的事情：

filtered_data = FILTER data BY value <= (0.9 * nominal_value);
filtered_count = FOREACH (GROUP filtered_data BY key) GENERATE COUNT(filtered_data.value);
DUMP filtered_count;

在大多数情况下，没有值超出标称范围，因此filtered_data为空（或为空。不知道如何判断哪个。）。这导致filtered_count也为空/空，这是不可取的。

当filtered_data为空/空时，如何构造一个返回值为0的语句？我尝试了一些我在网上找到的选项：

-- Extra parens in COUNT required to avoid syntax error
filtered_count = FOREACH (GROUP filtered_data BY key) GENERATE COUNT((filtered_data.value is null ? {} : filtered_data.value));

导致：

Two inputs of BinCond must have compatible schemas. left hand side: #1259:bag{} right hand side: #1261:bag{#1260:tuple(cf#1038:float)}

和

filtered_count = FOREACH (GROUP filtered_data BY key) GENERATE (filtered_data.value is null ? 0 : COUNT(filtered_data.value));

导致空/ null结果。

Answer 1

你现在设置它的方式，你将丢失有关坏值计数为0的任何键的信息。相反，我建议保留所有键，以便你可以看到计数的肯定确认是0，而不是缺席推断它。要做到这一点，只需使用指标然后SUM：

data2 =
    FOREACH data
    GENERATE
        key,
        ((value <= 0.9*nominal_value) ? 1 : 0) AS bad;
bad_count = FOREACH (GROUP data2 BY key) GENERATE group, SUM(data2.bad);

Pig FILTER返回空包，我无法计算

1 个答案: