如何找到A和B都不是唯一的兩個包（A，B）之間的差異？

Question

假設我有一個袋子NEW包含許多對（A，B）：

Pair 1: { "A" : { "long" : someInteger1 }, "B" : { "int" : someInteger2 } } 

Pair 2: { "A" : { "long" : someInteger3 }, "B" : { "int" : someInteger4 } } 

...... 

我有另一個袋子OLD，這幾乎等同於第一袋（它可以具有幾個缺失，不同的，或額外的配對），我想通過計算兩個包中的相同數量來比較OLD和NEW。 可以有多個對（A，B），其具有相同的A或B.相同的袋子內

觀光使用豬我已經嘗試：

1. 加入OLD和NEW上的散列從A和B生成的代碼和 計算有多少A和B都匹配。計數僅爲我所期望的一半的 。
2. 在（A，B）上加入OLD和NEW並計算 有多少個結果。計數只有我預期的一半左右（與上面的1相同）。

3. 在A上加入OLD和NEW並計算B如何匹配。對於一些 的原因，加入的結果似乎有奇怪的重複項：

   結果1：{「A_new」：{「long」：someInteger1}，「B_new」：{「int」：someInteger2}，「A_old」： {「long」：someInteger1}，「B_old」：{「int」：someInteger2}}

   結果2：{「A_new」：{「long」：someInteger1}，「B_new」：{「int」：someInteger2 }，「A_old」：{「long」：someInteger1}，「B_old」：{「int」：someInteger3}}

   結果3：{「A_new」：{「long」：someInteger1}，「B_new」： {「int」：someInteger2}，「A_old」：{「long」：someInteger1}，「B_old」：{「int」：someInteger4}}

   結果4：{「A_new」：{「long」：someInteger1}，「B_new」：{「int」：someInteger2}，「A_old」：{「long」：someInteger1}，「B_old」：{「int 「：someInteger5}}

Answer 1

DataFu有Pig的UDF，你可以使用一個真棒庫。我認爲SetDifference()是你正在尋找的。