加入記錄我有一個類型的記錄：Apache的豬：通過移動
time | url
==========
34 google.com
42 cnn.com
54 yahoo.com
64 fb.com
我想另一列添加到這些記錄time_diff基本上採取與以前的記錄當前記錄的時間差。輸出應爲：
time | url | time_diff
======================
34 google.com -- <can drop this row>
42 cnn.com 08
54 yahoo.com 12
64 fb.com 10
如果我能以某種方式添加另一列（同time）移位time由一個，使得42與34對齊，54與42對齊等，然後我可以採取這些列之間的差異來計算time_diff列。
我可以投射time列到一個新的變量T，如果我能在原始數據下降的第一條記錄，然後我可以T加入它，以獲得期望的結果。
我很感激任何幫助。謝謝！例如，
參見this question。你需要把你的元組放到一個包中（在你的情況下使用GROUP ... ALL），然後在嵌套的FOREACH,ORDER中調用UDF來對它們進行排序。在你擁有這個等級後，你可以將這個包重新映射到一組元組中，並且你將有三個字段：time，url和rank。一旦你有了這個，創建第四列是rank-1，在後面兩列做一個自聯接，並且你將得到你需要計算的time_diff。
由於多個記錄可以具有相同的time，所以在url上排序也是一個好主意，這樣每次都可以保證獲得相同的結果。
我想你可以使用PiggyBank的「lead」功能。像下面的東西可能會起作用。
A = LOAD 'T';
B = GROUP A ALL
C = FOREACH B {
C1 = ORDER A BY d;
GENERATE FLATTEN(Stitch(C1, Over(C1.time, 'lead')));
}
D = FOREACH C
GENERATE stitched::time AS time,
stitched::url AS url,
stitched::time - $3 AS time_diff;
https://pig.apache.org/docs/r0.12.0/api/org/apache/pig/piggybank/evaluation/Over.html
是否有可能，你將不得不與同一時間多行？如果是這樣，什麼決定他們的順序？ –
時間是非遞減順序（是的，多行可以有相同的時間）。 – sachin2182