DataFu BagGroup将在FOREACH范围内对所有袋子进行分组，而不是分组。怎么修？

Question

我正在使用DataFu打包我的包。其情况如下：

pvlist_grp = GROUP pvlist by uid;
uid_vid_pv = FOREACH pvlist_grp {
                vids = FOREACH pvlist GENERATE date, vid;   
                GENERATE uid,
                vids as vid,
                BagGroup(pvlist.(date, uid, vid), pvlist.date) as grouped;
                }
uid_vid_pv: {uid: chararray,vid: {(date: chararray,vid: chararray)},grouped: {(group: chararray,{(date: chararray,uid: chararray,vid: chararray)})}}

当我转储前10个时，我会看到每个uid包含(date，vid)的所有vid。但是，分组显示了其他uid记录。例如：

(60,{(20160103,255),(20160103,255),(20160103,257),(20160103,255),(20160101,252)},{(20160103,{(20160103,21,18),(20160103,21,453),(20160103,21,452),(20160103,21,67),(20160103,21,18),(20160103,21,455),(20160103,21,43),(20160103,21,453),(20160103,21,16),(20160103,21,45),(20160103,21,18),(20160103,21,18),(20160103,21,67),(20160103,21,455),.............})})

转储结果显示包含其他uid数据的袋组。它对所有uid中的整个vid包进行分组，但我希望它只是每个uid。

想法的结果应该是：

(60,{(20160103,255),(20160103,255),(20160103,257),(20160103,255),(20160101,252)},{(20160103,{(20160103,255),(20160103,255),(20160103,257),(20160103,255)}),(20160101,{(20160101,252)})})

有什么帮助吗为什么？我用的是猪1.2.0。

UPdate：

看起来像是内存中的BagGroup类调用操作。因此，第一个uid BagGroup总是正确的，然后它添加袋子一起操作，从之前的处理。即。如果第一个记录是uid 21，那么BagGroup将所有21个结果分组。接下来，如果第二个记录uid 60，那么BagGroup将一起输出21和60结果。

Answer 1

我也有同样的问题。为了解决这个问题，我不得不修改BagGroup UDF (ver.1.2.0)。在groups.clear();方法的开头添加exec解决了这个问题。

@SuppressWarnings("unchecked")
@Override
public DataBag exec(Tuple input) throws IOException {
    fieldNames = (List<String>)getInstanceProperties().get(FIELD_NAMES_PROPERTY);

    DataBag inputBag = (DataBag)input.get(0);   

    groups.clear();

    for (Tuple tuple : inputBag) {
        Tuple key = extractKey(tuple);
        addGroup(key, tuple);
    }
}