Pig:两个以上关系上的外部联接

Question

我想做一个涉及3个表的外连接。我试着这样做：

features = JOIN group_event by group left outer, group_session by group, group_order by group;

我希望group_event的所有行都出现在输出中，即使其他两个关系中的一个或两个都不匹配也是如此。

上述命令不起作用。显然，因为它不应该工作(http://pig.apache.org/docs/r0.7.0/piglatin_ref2.html#JOIN+%28outer%29)

Outer joins will only work for two-way joins; to perform a multi-way outer join, you will need to perform multiple two-way outer join statements.

拆分的工作方式如下所示：

features1 = JOIN group_event by group left outer, group_session by group;
features2 = JOIN features1 by group_event::group left outer, group_order by group;

有什么想法可以在一个命令中做到这一点吗？(如果我要加入更多数量的表，这将非常有用)

Answer 1

我认为在某种程度上，我们需要信任文档，不要尝试单个命令多个外部连接。

为什么？下面这行代码应该如何工作？

JOIN a BY a1 LEFT OUTER, b BY b1, c BY c1

LEFT OUTER是适用于两个表，还是只适用于第一个表？如果是前者，那么b和c之间的LEFT OUTER是否应该删除b中不匹配的所有记录？还是在a中？你越是寻找它，它就越没有意义，不是吗？

您要做的是将带有b的关系a转换为ab，然后使用c将其转换为ab。仔细想想，由于中间状态ab的存在，在单个命令中执行此操作是不自然的。