PIG 中COGROUP中的空值验证
环境： 0.10.0
COGROUP : 2+个关系中做分组
COGROUP : 2+个关系中做分组
最近做一个PIG类的项目，重新看了下PIG，顺便做总结。看到COGROUP时感觉有些问题
A = load 'student' as (name:chararray, age:int, gpa:float);
B = load 'student' as (name:chararray, age:int, gpa:float);
dump B;
(joe,18,2.5)
(sam,,3.0)
(bob,,3.5)
X = cogroup A by age, B by age;
dump X;
(18,{(joe,18,2.5)},{(joe,18,2.5)})
(,{(sam,,3.0),(bob,,3.5)},{})
(,{},{(sam,,3.0),(bob,,3.5)})
很难理解的是为什么age是空的会有2条数据？参考其他博客看下COGROUP的用法，发现不是这样。
编码无悔博客：http://www.codelast.com/?p=3621
后来自己造了一批数据来尝试没有空值和有空值的COGROUP.
CA:
(jack,32,run)
(liza,22,eat)
(tom,20,mouse)
CB:
(jack,32,run)
(jerry,10,steal)
(tom,20,mouse)
COGROUP:
(tom,{(tom,20,mouse)},{(tom,20,mouse)})
(jack,{(jack,32,run)},{(jack,32,run)})
(liza,{(liza,22,eat)},{})
(jerry,{},{(jerry,10,steal)})
加一个有空值的字段。
CA:
(jack,32,run)
(liza,22,eat)
(,20,mouse)
CB：
(jack,32,run)
(jerry,10,steal)
(,20,mouse)
COGROUP：
(jack,{(jack,32,run)},{(jack,32,run)})
(liza,{(liza,22,eat)},{})
(jerry,{},{(jerry,10,steal)})
(,{(,20,mouse)},{})
(,{},{(,20,mouse)})
分别加M和N个空值字段，数据量不会出现M*N个空值吧？不是2个就是个大坑，会放大数据量。
CA:
(jack,32,run)
(liza,22,eat)
(,200,mouse)
(,201,mouse)
(,202,mouse)
(,203,mouse)
(,204,mouse)
CB：
(jack,32,run)
(jerry,10,steal)
(,301,mouse)
(,302,mouse)
(,303,mouse)
(,304,mouse)
(,305,mouse)
(,306,mouse)
(,307,mouse)
COGROUP：
(jack,{(jack,32,run)},{(jack,32,run)})
(liza,{(liza,22,eat)},{})
(jerry,{},{(jerry,10,steal)})
(,{(,200,mouse),(,201,mouse),(,202,mouse),(,203,mouse),(,204,mouse)},{})
(,{},{(,301,mouse),(,302,mouse),(,303,mouse),(,304,mouse),(,305,mouse),(,306,mouse),(,307,mouse)})
还好，是个坑，但是没有放大数据量。官方已经有人提交了patch：https://issues.apache.org/jira/browse/PIG-361