Apache pig 清管器压扁与嵌套袋上的分组

我在学猪，我知道书上可能有一个问题，但不幸的是我没有时间做研究。 我有两条管道：

备选案文1：

a = LOAD 'geolocation' USING org.apache.hive.hcatalog.pig.HCatLoader();
b = LOAD 'truck_mileage' USING org.apache.hive.hcatalog.pig.HCatLoader();
c = join a by truckid, b by truckid; 
d = foreach c generate SUBSTRING(rdate,3,5) as year, event, mpg;
e = foreach d generate flatten(year) as year, event, mpg;
f = group e by year;
g = foreach f generate group, AVG(e.mpg);
x = limit g 10;
dump x;

我加载2个文件，然后加入，然后取日期的最后2位数字得到年份，在我使用扁平化简化事情之后，再分组得到平均mpg

备选案文2：

a = LOAD 'geolocation' USING org.apache.hive.hcatalog.pig.HCatLoader();
b = LOAD 'truck_mileage' USING org.apache.hive.hcatalog.pig.HCatLoader();
c = join a by truckid, b by truckid; 
d = foreach c generate SUBSTRING(rdate,3,5) as year, event, mpg;
f = group d by year;
g = foreach f generate group, AVG(d.mpg);
x = limit g 10;
dump x;

同样的事情，但我不使用“展平”来分组，然后得到mpg的平均值

我得到了相同的结果，但是，有显著的差异吗？在本例中，我使用的数据集不大，但我很好奇，如果我有数百万条记录，情况会如何

---

谢谢

数据集变大时，哪个参数的性能有显著差异。