Pig：在 GROUP 之后将各个字段拉出

Question

在 PigLatin 中，我想从由于聚合（例如 MAX）而选择的记录中提取其他字段。

我无法解释这个问题，所以这是一个例子。假设我想获取一个家庭中最年长的人的名字：

关系A有四列，（姓名，地址，邮政编码，年龄）

B = GROUP A BY (address, zipcode); # group by the address

# generate the address, the person's age, but how do I grab that person's name?
C = FOREACH B GENERATE FLATTEN(group), MAX(age), ??? Name ???;

我如何生成MAX 年龄的人的姓名？

Answer 1

你的逻辑问题是，可能有超过 1 个人的 MAX(年龄)。然后你必须按（姓名、地址、年龄）进行分组。但为了给你一个快速的答案，我会写下只有最大年龄之一。 （虽然我不确定这是最佳方式）

C = FOREACH B {                          
   DA = ORDER A BY age DESC;                
   DB = LIMIT DA 1;                         
   GENERATE FLATTEN(group), FLATTEN(DB.age), FLATTEN(DB.name);
}

Answer 2

请小心 frail 接受的答案，因为如果 LIMIT 命令中的数字高于 1，它会产生不良行为。特别是，在这种情况下，输出将是所有年龄和名称之间的叉积，因为最后一个两次 FLATTEN 调用。然后，如果 LIMIT 中的值为 N，则将有 N^2 输出行，而不是预期的 N。

更安全的方法是在 GENERATE 行中执行以下操作，这将给出与 'LIMIT 时接受的答案完全相同的结果使用 1'：

GENERATE FLATTEN(group) AS (address, zipcode), FLATTEN(DB.(age, name)) AS (age, name);