Java ApachePig：包中最常见的值

我的数据如下所示：

SWE "{(Figure Skating),(Tennis),(Tennis)}"
GER "{(Figure Skating),(Figure Skating)}"

我想制作这个：

SWE Tennis
GER "Figure Skating"

关系符号：

x

字段1的符号：

NOC

第2栏的符号：

运动

---

最明显的想法是生成计数并按最大计数进行过滤，但我甚至不知道如何在field

sports

上迭代。如何在行动中做到这一点？

我建议使用DataFu统计包中每项运动的实例。然后，您可以在每个包中找到最高计数。一种方法是按计数订购“运动”包，然后使用

我在展平模式中使用了CountEach，因为这意味着我们不会在结果中“嵌套”运动名称，但如果愿意，您可以在不使用“展平”的情况下定义UDF

DEFINE CountEachFlatten datafu.pig.bags.CountEach('flatten');
DEFINE FirstTupleFromBag datafu.pig.bags.FirstTupleFromBag();

sports_counted = FOREACH x GENERATE
    NOC,
    CountEachFlatten(sports) AS sports:{(sport_name, sport_count)};

max_sports = FOREACH sports_counted {
    ordered_sports = ORDER sports BY sport_count DESC;
    GENERATE
    NOC,
    FirstTupleFromBag(ordered_sports, null);
}

---

我建议使用DataFu统计包中每项运动的实例。然后，您可以在每个包中找到最高计数。一种方法是按计数订购“运动”包，然后使用

我在展平模式中使用了CountEach，因为这意味着我们不会在结果中“嵌套”运动名称，但如果愿意，您可以在不使用“展平”的情况下定义UDF

DEFINE CountEachFlatten datafu.pig.bags.CountEach('flatten');
DEFINE FirstTupleFromBag datafu.pig.bags.FirstTupleFromBag();

sports_counted = FOREACH x GENERATE
    NOC,
    CountEachFlatten(sports) AS sports:{(sport_name, sport_count)};

max_sports = FOREACH sports_counted {
    ordered_sports = ORDER sports BY sport_count DESC;
    GENERATE
    NOC,
    FirstTupleFromBag(ordered_sports, null);
}