foreach 内嵌的使用
foreach
内部处理数据流的每条记录,进行关系操作,最后用generate返回数据给外部。
但注意关系操作符不能作用于表达式,要将表达式提取成关系。
foreach内部只支持distinct
, filter
, limit
, order
;最后必须是generate;
foreach内部处理数据每次处理一条。对group后的关系(流对象),foreach内嵌每次传入一个group子集。
所以foreach内嵌之前都是先group关系,
也就是说,group后的数据,一次传进来一个group子集,可以分别按每个group进行统计等操作。(证明在最后。)
如统计每个exchange对应的symbol数:
--distinct_symbols.pig
daily = load 'NYSE_daily' as (exchange, symbol); -- not interested in otherfields
grpd = group daily by exchange;
uniqcnt = foreach grpd {
sym = daily.symbol;
uniq_sym = distinct sym;
generate group, COUNT(uniq_sym);
};
Foreach分别提取grpd的每个group,表达式变关系,被关系操作符处理。
使用forecah内嵌,去重的两个例子
,分别统计两列的唯一数:group内提取两个子集,分别去重,统计
--double_distinct.pig
divs = load 'NYSE_dividends' as(exchange:chararray, symbol:chararray);
grpd = group divs all;
uniq = foreach grpd {
exchanges =divs.exchange;--this 'divs' is the $1 colum
uniq_exchanges = distinct exchanges;
symbols = divs.symbol;
uniq_symbols = distinct symbols;
generate COUNT(uniq_exchanges), COUNT(uniq_symbols);
};
另一种用limit返回1一条:日志数据通过hour分组,统计cookie:
(1) 首先对(hour,cookie)按照cookie进行去重;
(2) 按hour分组;
(3) hour分组进行局部count
(4) 合并各个count,得到最终结果
下面是具体代码示例:
showlogs= LOAD '$inpath' USING PigStorage(',');
necessaryfields= FOREACH showlogs GENERATE (chararray)$1 AS fhour,$13 AS fallyesid, $19 ASfip, $20 AS fuseragent , CONCAT((chararray)$19,(chararray)$20) AS fipuseragent;
--1.生成hour+cookie : hourcookie
hourcookie= FOREACH necessaryfields GENERATE $0 AS hour, $1 AS cookie;
--2.对hourcookie按照cookie进行去重:
dist_hour_cookie
ta= GROUP hourcookie BY cookie;
dist_hour_cookie= FOREACH ta {
temp = limit hourcookie 1;
GENERATE FLATTEN(temp);
};
--3.对dist_hour_cookie按照hour进行分组:dist_hour_cookie_grp
dist_hour_cookie_grp= GROUP dist_hour_cookie BY $0;
--4.对dist_hour_cookie_grp进行count:dist_hour_cookie_grp_count
dist_hour_cookie_grp_count= FOREACH dist_hour_cookie_grp {
GENERATE group AS hour, COUNT(dist_hour_cookie) AS cookie_count;
};
--5.对dist_hour_cookie_grp_count进行sum
sumtemp= GROUP dist_hour_cookie_grp_count all;
total_cookie= FOREACH sumtemp GENERATE SUM(dist_hour_cookie_grp_count.cookie_count);
dump total_cookie;
针对foreach内嵌,每次处理一条数据。我做了一个实例测试,证明关系group后,foreach每次处理一个group子集。
数据按guid分组,每个记录都是一个独立的group。
去重统计个数,
在foreach最后输出guid和group,做对比,看到重复数据:
my_data = foreach origin_cleaned_data generate wizad_ad_id,guid,os_version,log_type;
test_data = limit my_data 100;
g_log = group test_data by guid;
uniq = foreach g_log{
guid = test_data.guid;
os_v = test_data.os_version;
uniq_guid = distinct guid;
generate group,COUNT(uniq_guid),COUNT(os_v),guid;
};
dump uniq;
describe uniq;
结果
g_log结构: {group: chararray,test_data: {wizad_ad_id: chararray,guid: chararray,os_version: chararray,log_type: chararray}}
输出结果:
(351794060670802,1,1,{(351794060670802)})
(352246063893286,1,1,{(352246063893286)})
(352274018390729,1,1,{(352274018390729)})
(352315053649659,1,1,{(352315053649659)})
......
(354710052256050,1,1,{(354710052256050)})
(355065053261297,1,1,{(355065053261297)})
(861202021584958,1,1,{(861202021584958)})
(861276027634215,1,1,{(861276027634215)})
(861288000290493,1,1,{(861288000290493)})
(861372020081247,1,3,{(861372020081247),(861372020081247),(861372020081247)})
(862011024062881,1,1,{(862011024062881)})
(862040020713619,1,1,{(862040020713619)})
(862055100027987,1,1,{(862055100027987)})
(862106010206458,1,1,{(862106010206458)})
(862191016593489,1,1,{(862191016593489)})
(862283020830914,1,1,{(862283020830914)})
(862324016545965,1,2,{(862324016545965),(862324016545965)})
(862565010397387,1,1,{(862565010397387)})
(862620028211136,1,1,{(862620028211136)})
(862663027090333,1,1,{(862663027090333)})
(862703020059792,1,1,{(862703020059792)})
(862910026533684,1,1,{(862910026533684)})
(862966020482112,1,1,{(862966020482112)})
(863077025294442,1,1,{(863077025294442)})
(863139026459463,1,1,{(863139026459463)})
......
uniq: {group: chararray,long,long,guid: {guid: chararray}}
从中看出:
按guid分组所以前后,group和guid基本一致,但因为guid有重复,所以多了几条;
可如果使用uniq_guid,即generate group,COUNT(uniq_guid),COUNT(os_v),uniq_guid;那么前后将完全一致。
对比,在generate中去掉group和guid,即generate group,COUNT(uniq_guid),COUNT(os_v),guid;
输出结果:
(1,1)
(1,1)
(1,1)
(1,1)
(1,1)
.......
如果按log_type分组,2为click,1为show日志,
只limit 100的话,只有1的日志,
g_log = group test_data by log_type;
uniq = foreach g_log{
guid = test_data.guid;
os_v = test_data.os_version;
uniq_guid = distinct guid;
generate COUNT(uniq_guid),COUNT(os_v),guid;
};
结构为
uniq: {long,long,guid: {guid: chararray}}
(97,100,{(351794060670802),(352246063893286),(352274018390729),(352315053649659),(352316055186377),(352903052496931),(352956061574924),(353721059706006),(354710052256050),(355065053261297),(355310044316523),(355431800349753),(355594050655870),(355868054005229),(356405053894342),(356521051392830),(356524057953100),(356845052409198),(356988053301574),(357070009612856),(357116040052477),(357747051110463),(357784057979674),(358197058147473),(358373048304967),(358585052003587),(358968041526969),(359092058109426),(359357054529855),(359786051477264),(359899046896710),(860173013415348),(860570023370282),(860602020630317),(860813022906346),(860892020832126),(861022007037726),(861060010353755),(861118000103844),(861133029749824),(861202021584958),(861276027634215),(861288000290493),(861372020081247),(861372020081247),(861372020081247),(862011024062881),(862040020713619),(862055100027987),(862106010206458),(862191016593489),(862283020830914),(862324016545965),(862324016545965),(862565010397387),(862620028211136),(862663027090333),(862703020059792),(862910026533684),(862966020482112),(863077025294442),(863139026459463),(863150020224084),(863151028063706),(863177029375831),(863235016133314),(863343023501554),(863427022570130),(863431020260215),(863735010063193),(863777020966957),(863827011094952),(864260024902038),(864264021430787),(864264021548489),(864299028966482),(864301029532170),(864375022648902),(864500025549803),(864505000231848),(864573012942174),(864789028603903),(864958020327031),(864989010679594),(865030012667169),(865316020164285),(865369022512415),(865369029331074),(865407016261415),(866805010343957),(867064010125951),(867064016986521),(867163010209227),(867264010644205),(867739012450792),(868201005627091),(868629010372156),(868880017937570),(869226012126760),(869642009320895)})
在generate COUNT(uniq_guid),COUNT(os_v),guid;中去掉guid的结果为:
(97,100)
uniq: {long,long}
另外,用sample可以按日志数据的整体分布取样,这样可以看到log_type的所有取值类型数据,
但是每次取样不一样,所以多次执行的统计结果不一样
my_data = foreach origin_cleaned_data generate wizad_ad_id,guid,os_version,log_type;
test_data = sample my_data 0.01;
g_log = group test_data by log_type;
uniq = foreach g_log{
guid = test_data.guid;
os_v = test_data.os_version;
uniq_guid = distinct guid;
generate group, COUNT(uniq_guid), COUNT(os_v);
};
g_log结构为: {group: chararray,test_data: {wizad_ad_id: chararray,guid: chararray,os_version: chararray,log_type: chararray}}
生成的数据结果为
(1,13455,14246)
(2,74,74)
uniq: {group: chararray,long,long}
语句 generate中去掉group:generate COUNT(uniq_guid), COUNT(os_v)结果为
(13407,14178)
(73,73)
uniq: {long,long}
foreach 内嵌的使用的更多相关文章
- Makefile所有内嵌函数
一.文本处理函数以下是GNU make内嵌的文本(字符串)处理函数.1 $(subst FROM,TO,TEXT) 函数名称:字符串替换函数—subst. 函数功能:把字串“TEXT”中的 ...
- Makefile学习(二)条件判断和内嵌函数
第七章:Makefile的条件执行 条件语句可是是两个不同的变量.或者变量和常量值的比较: 7.1例子: 对变量“CC”进行判断,其值如果是“gcc ”那么在程序连接时使用库“libgnu.so”或者 ...
- 操作 IoT 设备内嵌 SQLite
Win10 IoT C#开发 5 - 操作 IoT 设备内嵌 SQLite 数据库 CURD Windows 10 IoT Core 是微软针对物联网市场的一个重要产品,与以往的Windows版本 ...
- 使用MailKit发送带有内嵌图片的邮件且图片不显示成附件
使用MailKit发送带有内嵌图片的邮件且图片不显示成附件 参考文章:MailKit---发送邮件 注意 在邮件客户端中是否显示内嵌图片为附件依据不同邮件有所不同,暂经测试Outlook和qq不显示为 ...
- C#内嵌Python架构实现
C#通过IronPython内嵌Python脚本,实现了对业务逻辑抽象及判断,适合在大量订单需要进行校验的场合使用. 比如,贷款时会对用户进行核查,核查过程可能存在多个节点,并且节点可能会随着政策而不 ...
- 学习Tomcat(七)之Spring内嵌Tomcat
前面的文章中,我们介绍了Tomcat容器的关键组件和类加载器,但是现在的J2EE开发中更多的是使用SpringBoot内嵌的Tomcat容器,而不是单独安装Tomcat应用.那么Spring是怎么和T ...
- .NET Core的文件系统[4]:由EmbeddedFileProvider构建的内嵌(资源)文件系统
一个物理文件可以直接作为资源内嵌到编译生成的程序集中.借助于EmbeddedFileProvider,我们可以统一的编程方式来读取内嵌于某个程序集中的资源文件,不过在这之前我们必须知道如何将一个项目文 ...
- Atitit java集成内嵌浏览器与外嵌浏览器attilax总结
Atitit java集成内嵌浏览器与外嵌浏览器attilax总结 HTML5将颠覆原生App世界.这听起来有点危言耸听,但若认真分析HTML5的发展史,你会发现,这个世界的发展趋势确实就是这样. 熟 ...
- Beennan的内嵌汇编指导(译)Brennan's Guide to Inline Assembly
注:写在前面,这是一篇翻译文章,本人的英文水平很有限,但内嵌汇编是学习操作系统不可少的知识,本人也常去查看这方面的内容,本文是在做mit的jos实验中的一篇关于内嵌汇编的介绍.关于常用的内嵌汇编(AT ...
随机推荐
- pm2快速使用
介绍 pm2 是一个带有负载均衡功能的Node应用的进程管理器..它使您可以永久保持应用程序的活动状态,无需停机即可重新加载应用程序,并且可以方便常见的系统管理任务 特性 行为配置 源地图支持 容器集 ...
- Vue实践经验
多考虑应变 如果模版中绑定了 obj.xx 时,需要注意 obj 是否是异步数据,默认值是否为 null.安全起见,可在组件最外层加 v-if 判断. <template> <div ...
- 修改apache默认主页,重定向404页面
yum 下载apache后默认主页 默认配置文件: vim /etc/httpd/conf/httpd.conf /etc/httpd/conf.d/welcome.conf 跳转页面到 /var/w ...
- centos 7 破解密码
CentOS 7 root密码的重置方式和CentOS 6完全不一样,CentOS 7与之前的版本6变化还是比较大的,以进入单用户模式修改root密码为例. 1.重启开机按esc 2.按e ...
- d4d#9 玩Docker只要浏览器就够了,PWD是个神奇的网站
本文是d4d系列的第9篇,在这一篇中给大家介绍一个学习Docker最为快捷高效的方式,你不需要自己搭建环境,也不用担心把自己的开发环境搞乱,你需要的只是一个浏览器,就可以立即开始学习Docker的常用 ...
- CodeBlocks使用小技巧
1.基本使用: CodeBlocks使用介绍 2.一定要建项目才能编译运行代码吗? 不一定,也可以直接新建文件,直接运行. 如何管理这些未纳入项目的文件?通过左侧Management面板,切换到Fil ...
- Gradle 1.12用户指南翻译——第四十八章. Wrapper 插件
本文由CSDN博客貌似掉线翻译,其他章节的翻译请参见: http://blog.csdn.net/column/details/gradle-translation.html 翻译项目请关注Githu ...
- XCode使用技巧
XCode使用技巧 自动生成get.set方法 @property 用法 #import <Foundation/Foundation.h> @interface People : NSO ...
- 【我的书】《Unity Shader入门精要》出版上市
重要的事 先说重要的事,就是我的书籍<Unity Shader入门精要>在经过无数次跳票后,终于出版上市了(泪目-)! 购买传送门: 亚马逊 当当 京东 截止到我写这篇文章的时候,京东是没 ...
- Python 一个奇特的引用设定
def f(x): print 'original' if x > 0: return f(x-1) return 0 g = f def f(x): print 'new' return x ...