分组操作：
在 Pig 中，使用 GROUP BY 操作符进行数据分组。这对于在数据集上执行聚合操作非常有用。以下是一个简单的例子：
-- 载入数据
A = LOAD 'input.txt' USING PigStorage(',') AS (name:chararray, age:int, salary:float);
-- 按照名字分组
B = GROUP A BY name;
-- 对每个组计算平均工资
C = FOREACH B GENERATE group AS name, AVG(A.salary) AS avg_salary;
-- 显示结果
DUMP C;
上述例子中，GROUP A BY name; 将数据集 A 按照名字字段进行分组。然后，通过 FOREACH 和 GENERATE 对每个组进行聚合操作，计算平均工资。最后，使用 DUMP C; 显示结果。
连接操作：
在 Pig 中，使用 JOIN 操作符进行数据连接。连接操作允许将两个或多个数据集合并在一起，基于共同的字段进行连接。以下是一个简单的例子：
-- 载入两个数据集
A = LOAD 'input1.txt' USING PigStorage(',') AS (id:int, name:chararray);
B = LOAD 'input2.txt' USING PigStorage(',') AS (id:int, salary:float);
-- 使用JOIN连接两个数据集
C = JOIN A BY id, B BY id;
-- 显示连接后的结果
DUMP C;
上述例子中，JOIN A BY id, B BY id; 将数据集 A 和 B 根据它们的 id 字段进行连接。连接后，通过 DUMP C; 显示连接后的结果。
需要注意的是，连接操作会产生笛卡尔积，因此在使用连接操作时需要确保数据集的大小和连接字段的唯一性。
这些操作使得在 Pig 中能够方便地进行数据的分组和连接，从而实现复杂的数据处理任务。
转载请注明出处：http://www.pingtaimeng.com/article/detail/11093/Apache Pig