Apache Pig中文手册

可以使用Pig Latin的 SUM() 函数获取单列包中列的总数值。在计算总和时， SUM() 函数会忽略NULL值。

注意

• 要获得全局总和，我们需要执行Group All操作，并使用SUM()函数计算总和值。

• 要获取组的总和，我们需要使用 Group By 运算符对其进行分组，然后继续SUM()函数。

语法

下面给出了 SUM() 函数的语法。

grunt> SUM(expression)

例

假设在HDFS目录 /pig_data/ 中有一个名为 employee.txt 的文件，如下所示。

employee.txt

1,John,2007-01-24,250  
2,Ram,2007-05-27,220  
3,Jack,2007-05-06,170  
3,Jack,2007-04-06,100 
4,Jill,2007-04-06,220 
5,Zara,2007-06-06,300
5,Zara,2007-02-06,350

通过关系 employee_data 的将此文件加载到Pig中，如下所示。

grunt> employee_data = LOAD 'hdfs://localhost:9000/pig_data/ employee.txt' USING PigStorage(',')
   as (id:int, name:chararray, workdate:chararray, daily_typing_pages:int);

计算所有GPA的总和

让我们尝试计算每天输入的所有员工的总页数来演示 SUM() 函数。可以使用Apache Pig的内置函数 SUM() （区分大小写）来计算数值的总和。让我们使用 Group All 运算符将关系employee_data分组，并将结果存储在名为employee_group的关系中，如下所示。

grunt> employee_group = Group employee_data all;

它将产生如下所示的关系。

grunt> Dump employee_group;
  
(all,{(5,Zara,2007-02-06,350),
(5,Zara,2007-06-06,300),
(4,Jill,2007-0406,220),
(3,Jack,2007-04-06,100),
(3,Jack,2007-05-06,170),
(2,Ram,2007-0527,220),
(1,John,2007-01-24,250)})

现在让我们计算每天输入的页面的总和。

grunt> student_workpages_sum = foreach employee_group Generate 
   (employee_data.name,employee_data.daily_typing_pages),SUM(employee_data.daily_typing_pages);

验证

使用 DUMP 运算符验证关系 student_workpages_sum ，如下所示。

grunt> Dump student_workpages_sum;

输出

它将产生以下输出，显示关系 student_workpages_sum 的内容如下。

(({ (Zara), (Zara), (Jill) ,(Jack) , (Jack) , (Ram) , (John) }, 
{ (350) , (300) , (220) ,(100) , (170)  ,  (220)  , (250)  }),1610)