Hadoop 获取Apache Pig中每N个元组的平均值

假设我有一个包含两列的表custype和AMOUNT。我想添加第三列NTILE，然后将其分组并使用以获得平均值，如下所示：

CUSTTYPE | AMOUNT  | NTILE
----------+---------+----------
 RETAIL   |   78.00 |   1
 RETAIL   |  234.00 |   1
 RETAIL   |  249.00 |   1
 RETAIL   |  278.00 |   2
 RETAIL   |  392.00 |   2
 RETAIL   |  498.00 |   2
 RETAIL   |  500.00 |   3
 RETAIL   |  738.00 |   3
 RETAIL   | 1250.00 |   3
 RETAIL   | 2029.00 |   4
 RETAIL   | 2393.00 |   4
 RETAIL   | 3933.00 |   4

本质上，我试图取每n项的平均值（这里，n=3）：

---

从Pig参考中，似乎可以使用

Over（）

实现这一点，但我找不到如何实现这一点的示例。想法？

您可以使用

rank

操作符对数据的每条记录进行排序：

像这样：

A = LOAD 'path' AS (schema);
B = RANK A;

然后将每个等级除以3：

C = FOREACH B generate ($0 + 1) / 3 as NTILE, CUSTTYPE, AMOUNT;

C = FOREACH B generate ($0 + 1) / 3 as NTILE, CUSTTYPE, AMOUNT;