猪拉丁按字段加入答案

【问题标题】：Pig latin join by field猪拉丁按字段加入
【发布时间】：2015-06-10 19:48:20
【问题描述】：

我有一个猪拉丁相关的问题：

我有以下数据（在一行中）：

A = LOAD 'records' AS (f1:chararray, f2:chararray,f3:chararray, f4:chararray,f5:chararray, f6:chararray);
DUMP A;

(FITKA,FINVA,FINVU,FEEVA,FETKA,FINVA)

现在我有了另一个数据集：

B = LOAD 'values' AS (f1:chararray, f2:chararray);
Dump B;
(FINVA,0.454535)
(FITKA,0.124411)
(FEEVA,0.123133)

我想加入这两个数据集。我将从数据集 B 中获取相应的值，并将该值放在数据集 A 的值旁边。所以预期的输出如下：

FITKA 0.123133, FINVA 0.454535 and so on .. 
(They can also be like: FITKA, 0.123133, FINVA, 0.454535 and so on .. )

然后我可以将值相乘 (0.123133 x 0.454535 .. and so on)，因为它们现在在同一行上，这就是我想要的。

当然，我可以逐列加入，但是值会出现“行尾”，然后我可以使用另一个 foreach 生成来清理它。但是，我想要一些更简单的解决方案，没有太多可能导致性能问题的连接。

数据集 A 是文本（一种方式的句子..）。

那么我有什么选择来实现这一目标？你能帮忙的话，我会很高兴。

【问题讨论】：

标签： hadoop apache-pig udf

【解决方案1】：

一个句子可以表示为一个元组，并包含一个元组包（单词，计数）。

因此，我建议您将存储数据的方式更改为以下格式：

sentence:tuple(words:bag{wordcount:tuple(word, count)})

【讨论】：

您好，感谢您的快速回复。你能给我一些简短的猪脚本示例吗？问题仍然是具有单个单词和值的数据集（例如（Peter 0.454523））是静态的，并且具有句子的数据集经常变化。我了解您的架构，但是当我不得不将它们插入到您描述的架构中时，我迷失了方向..
如果您想要的不仅仅是提示，请提供更多可以测试的信息和数据。
好的，数据来了：
提供输入数据集和预期输出。
我已将两个数据集中的示例行放入原始问题中，并提供了希望的输出。