はどのようにsepatare行にセルを分割し、minial集計値を見つけるために

Question

I次のデータセットがあります。

Movies : moviename, genre1, genre2, genre3 ..... genre19 

（全てのジャンルは、上記の1が映画は、そのジャンルであることを示し、値が0または1を持っている）
を これで、どの映画のジャンルが最も少ないのか探したいですか？

私は豚のスクリプトの下に試してみました：

items = load 'path' using PigStorage('|') as (mName:chararray,g1:int,g2:int,g3:int,g4:int,g5:int,g6:int,g7:int,g8:int,g9:int,g10:int,g11:int,g12:int,g13:int,g14:int,g15:int,g16:int,g17:int,g18:int,g19:int); 

sumGenre = foreach items generate mName, g1+g2+g3+g4+g5+g6+g7+g8+g9+g10+g11+g12+g13+g14+g15+g16+g17+g18+g19 as sumOfGenres; 

groupAll = group sumGenre All; 

MIN（sumGenre.sumofGenres）を使用して、次のステップでは、私は、MIN値であるジャンルを得ることができますが、何を探していますと、取得することです最も少ない番号を持つmovienameです。のジャンルの数、その映画のジャンルの数。

誰かが助けてくれますか？
1.私はg1 + g2 + ... g19の合計を得る他の簡単な方法があることを知りたいですか？
2.ジャンル：ジャンルが最も少ない映画も出力しますか？

Answer 1

groupAll

r1 = minGenre = foreach groupAll generate MIN(sumGenre.sumOfGenres) as minG; 

左外側を行うがsumOfGenresによってsumGenreとminGによってr1間の結合後、

。これが役立つ

希望を少なくともジャンルを持つ映画のリストを取得するには...

ダイナミック行フィールド和のためのuは次のようにUDFを使用することができます。..で

public class DynRowSum extends EvalFunc<Integer> 
{ 
public Integer exec(Tuple v) throws IOException 
{ 
List<Object> olist = v.getAll(); 
int sum = 0; 
int cnt=0; 
for(Object o : olist){ 
    cnt++; 
    if (cnt!=1) { 
       int val= (Integer)o; 
       sum = sum + val; 
    } 
} 
return new Integer(sum); 
} 

} 

を豚はこのようなスクリプトを更新します..

grunt>sumGenre = foreach items generate mName,DynRowSum(*) as sumOfGenres; 

ここでは、genre incコードを変更するか減らすかは変わりません。

Answer 2

a = LOAD 'path'; 
b = FOREACH a generate FLATTEN(STRSPLIT($0, '\\|')); 
c = FOREACH b generate $0 as movie, FLATTEN(TOBAG(*)) as genre; 
d = FILTER c BY movie!=genre; 
e = GROUP d BY $0; 
f = FOREACH e GENERATE group, SUM(d); 
i = ORDER f BY $1; 
j = LIMIT i 1;