Pig FILTER 返回我数不清的空袋子

我正在尝试计算数据集中有多少个值与过滤条件匹配，但当过滤器不匹配任何条目时，我遇到了问题。

我的专栏里有很多data结构，但本例中只使用了三个：key- 该集合的数据键（不是唯一的），value- 记录的浮点值，nominal_value- 代表标称值的浮点数。

我们现在的用例是查找比标称值低 10% 或更多的值的数量。

我正在做这样的事情：

filtered_data = FILTER data BY value <= (0.9 * nominal_value);
filtered_count = FOREACH (GROUP filtered_data BY key) GENERATE COUNT(filtered_data.value);
DUMP filtered_count;

在大多数情况下，没有任何值超出标称范围，因此filtered_data为空（或 null。不知道如何辨别哪个。）。这导致filtered_count也为空/空，这是不可取的。

我怎样才能构造一个语句，在以下情况下返回 0 值：filtered_data是空/空吗？我尝试了在网上找到的几个选项：

-- Extra parens in COUNT required to avoid syntax error
filtered_count = FOREACH (GROUP filtered_data BY key) GENERATE COUNT((filtered_data.value is null ? {} : filtered_data.value));

结果是：

Two inputs of BinCond must have compatible schemas. left hand side: #1259:bag{} right hand side: #1261:bag{#1260:tuple(cf#1038:float)}

And:

filtered_count = FOREACH (GROUP filtered_data BY key) GENERATE (filtered_data.value is null ? 0 : COUNT(filtered_data.value));

这会导致空/空结果。

按照您现在的设置方式，您将丢失有关错误值计数为 0 的任何键的信息。相反，我建议保留所有键，以便您可以看到计数为 0 的肯定确认，而不是通过缺席来推断。为此，只需使用一个指标，然后SUM that:

data2 =
    FOREACH data
    GENERATE
        key,
        ((value <= 0.9*nominal_value) ? 1 : 0) AS bad;
bad_count = FOREACH (GROUP data2 BY key) GENERATE group, SUM(data2.bad);