根据条件计算MIN，AVG，MAX

Question

我有一个来自盗版数据集的关系，其中包含以下字段：

date, country_code, torrent_id, first_seen, torrent_size, quality, movie_id, value

我想按日期、国家、电影和质量分组，以计算总和。但我也想计算最小，最大，torrent_size的平均值为所有激流的电影在那一天。

这就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，我不确定如何做最小，最大，平均大小的激流的电影在日期可用的国家以及。

Answer 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;

希望这能有所帮助。

Answer 2

创建另一个关系并按日期、电影进行分组，并获得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;