獲得Apache Pig中每N個元組的平均值

Question

假設我有一個兩列的表CUSTTYPE和AMOUNT。我想添加第三列NTILE，我可以再上組和使用，讓我的平均值，類似如下：

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 

從本質上講，我試圖把每n項的平均值（這裏， N = 3）：

CUSTTYPE | AMOUNT | NTILE 
----------+---------+---------- 
RETAIL | 187.00 | 1 
RETAIL | 389.33 | 2 
RETAIL | 829.33 | 3 
RETAIL | 2785.0 | 4 

從豬參考here，看來這可以用Over()可以實現，但我無法找到如何可以這樣做的例子。思考？

Answer 1

可以使用RANK運營商的排名數據的每一條記錄：

http://pig.apache.org/docs/r0.14.0/basic.html#rank

這樣的：

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

，然後將每個等級3：

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