我有盗版数据集与以下字段的关系:
date, country_code, torrent_id, first_seen, torrent_size, quality, movie_id, value
我想按日期,国家/地区,电影和质量进行分组来计算值的总和。但我也想计算当前可用电影的所有种子的torrent_size的MIN,MAX,AVG。
这是我到目前为止所得到的
A = FOREACH (GROUP data BY (date, country_code, movie_id, quality)) {
GENERATE group, SUM(data.value) as total_piracy;
};
然而,我不知道如何在不考虑国家的情况下如何处理电影的MIN,MAX,AVG大小。
答案 0 :(得分:1)
您可以查看以下命令:
A= LOAD '<locationOfDataSet>' USING PigStorage(',')
AS (date:chararray, country_code:chararray, torrent_id:int, first_seen:chararray, torrent_size:int, quality:chararray, movie_id:int, value:int) ;
B=GROUP A BY (date,movie_id);
C=FOREACH B GENERATE group, MIN(A.torrent_size), MAX(A.torrent_size),AVG(A.torrent_size);
dump C;
希望这有帮助。
答案 1 :(得分:0)
创建另一个关系并按日期分组,电影并获取MIN,MAX,AVG
B = GROUP data BY (date,movie);
C = FOREACH B GENERATE group,
MIN(data.torrent_size) as min_ts,
MAX(data.torrent_size) as max_ts,
AVG(data.torrent_size) as avg_ts;