加入豬的多個領域

Question

我正在學習豬，不知道如何做到以下幾點。我有文件存儲了關於聊天消息系列元數據：

12345 13579 
23456 24680 
19350 20283 
28394 20384 
10384 29475 
. 
. 
. 

第一列是發送者的ID和第2欄是接收器的標識。我想要做的是計算從男人到女人，男人到男人，女人到男人，從女人到女人發送的郵件數量。所以我有一個存儲用戶ID和性別另一個文件：

12345 M 
23456 F 
34567 M 
45678 M 
. 
. 
. 

所以豬腳本可能開始列如下：

messages = load 'messages.txt' as (from:int, to:int); 
users = load 'users.txt' as (id:int,sex:chararray); 

從那裏，我真的不知道下一步要採取應該。我能夠在一次向用戶發送消息時加入一列，但不知道如何加入兩列，然後執行後續分組。

任何建議/提示將是超級有用的。

Answer 1

我想你想要的是加入，然後組和計數你的數據。

joinedSenderRaw = JOIN users BY id, messages BY from; 

joinedSender = FOREACH joinedSenderRaw 
    GENERATE messages::from as sender_id, 
      users::sex as sender_sex, 
      messages::to as receiver_id; 

joinedAllRaw = JOIN joinedSender BY receiver_id, users BY id; 

joinedAll = FOREACH joinedAllRaw 
    GENERATE joinedSender::sender_id, 
      joinedSender::sender_sex, 
      joinedSender::receiver_id, 
      users::sex as receiver_sex; 

grouped = GROUP joinedAll BY (sender_sex, receiver_sex); 

result = FOREACH grouped 
    GENERATE $0.sender_sex AS sender_sex, 
      $0.receiver_sex AS receiver_sex, 
      COUNT($1) AS your_stat; 

我沒有測試它，但這樣的事情應該工作。