Apache pig 在Pig中的多个字段上联接

我正在学猪，不知道该怎么做。我的文件中存储了一系列有关聊天信息的元数据：

12345 13579
23456 24680
19350 20283
28394 20384
10384 29475
.
.
.

第一列是发送方的id，第二列是接收方的id。我想做的是计算男人向女人、男人向男人、女人向男人、女人向女人发送的信息数量。因此，我有另一个存储用户id和性别的文件：

12345 M
23456 F
34567 M
45678 M
.
.
.

因此，Pig脚本的开头可能如下所示：

messages = load 'messages.txt' as (from:int, to:int);
users = load 'users.txt' as (id:int,sex:chararray);

从那以后，我真的不确定下一步该怎么做。我能够在向用户发送消息时一次连接一列，但不确定如何连接两列，然后进行后续分组

---

任何建议/提示都会非常有用。

我想你想要的是加入团队，然后统计你的数据

joinedSenderRaw = JOIN users BY id, messages BY from;

joinedSender = FOREACH joinedSenderRaw
    GENERATE messages::from as sender_id,
             users::sex as sender_sex,
             messages::to as receiver_id;

joinedAllRaw = JOIN joinedSender BY receiver_id, users BY id;

joinedAll = FOREACH joinedAllRaw
    GENERATE joinedSender::sender_id,
             joinedSender::sender_sex,
             joinedSender::receiver_id,
             users::sex as receiver_sex;

grouped = GROUP joinedAll BY (sender_sex, receiver_sex);

result = FOREACH grouped
    GENERATE $0.sender_sex AS sender_sex,
             $0.receiver_sex AS receiver_sex,
             COUNT($1) AS your_stat;

---

我没有测试它，但是像这样的东西应该可以工作

+1。为了清晰起见，我认为包含

用户

和

消息

的模式会很有帮助。另外，

生成$0.sender\u sex作为sender\u sex，
生成$0.receiver\u sex作为receiver\u sex，
只需
生成扁平化（$0）
。不用担心+1对于@mr2ert的评论，尽管我认为0.10.x+版本上有FLATTEN，但我像他说的那样使用了FLATTEN，它起了作用。这真是太棒了。