Cerdo del script código?

Question

Mientras se ejecuta el siguiente script de cerdo que estoy recibiendo un error en la línea 4: Si se trata de GRUPO entonces estoy consiguiendo error. Si el cambio de I 'grupo' A 'grupo' en la línea 4, a continuación, se ejecuta el script.

¿Cuál es la diferencia entre un grupo y otro?

LINES = LOAD '/user/cloudera/datapeople.csv' USING PigStorage(',') AS ( firstname:chararray, lastname:chararray, address:chararray, city:chararray, state:chararray, zip:chararray );

WORDS = FOREACH LINES GENERATE FLATTEN(TOKENIZE(zip)) AS ZIPS;

WORDSGROUPED = GROUP WORDS BY ZIPS;

WORDBYCOUNT = FOREACH WORDSGROUPED GENERATE GROUP AS ZIPS, COUNT(WORDS);

WORDSSORT = ORDER WORDBYCOUNT BY $1 DESC;

DUMP WORDSSORT;

Answer 1

'grupo' en el caso estrictamente menor en el FOREACH es lo que se recorre / agrupación más.

http://squarecog.wordpress.com / 2010/05/11 / grupo-operador-en-Apache-cerdo / dice:

Cuando una relación grupal, el resultado es una relación nueva con dos columnas: “grupo” y el nombre de la relación original

.

Los nombres de columna son mayúsculas y minúsculas, así que hay que utilizar en minúscula 'grupo' en su FOREACH.

'grupo' en mayúsculas es el operador de agrupación. No se puede mezclar ellos. Así que no hacer eso.

Answer 2

Normalmente, el GRUPO / Cogroup se utiliza para agrupar la relación por algún grupo key.after que la relación describir la agrupados relation.you puede encontrar EX: describir grp; grp: {grupo: chararray, A: {(nombre: chararray, sesión: chararray, GPA: float)}}.

en el resultado anterior se puede encontrar "grupo".

Si desea realizar alguna operación en relación agrupados (GRP), se debe utilizar el "grupo" no GRUPO.