基本多维数据集

考虑以下情况：

我们有 4 个维度的用户事件数据：

1. A / B 测试桶（产品/测试）
2. 客户类型（网络/手机）
3. 模块（订单/报告）
4. 事件（点击/查看）

test    mobile    order_module    click
prod    web    order_module    view
prod    mobile    order_module    click

报告系统可能希望报告不同组合的指标，例如：

1. 什么是移动用户的总点击次数？ ****
2. 来自不同测试桶的总点击次数是多少？
3. 什么是总网页页面视图为 order_module 在督促斗？

如你所见，有许多组合。如果我们只存储最小的粒度指标，然后在接收查询时将其汇总，那么效率并不高。因此，一种解决方案是预先计算所有组合。

以下是我们如何通过 PIG 的 CUBE 操作实现这一目标。

example = LOAD './cube.example' AS (product:chararray, client:chararray, module:chararray, action:chararray);

cubed_data = CUBE example BY CUBE(product, client, module, action);

final_data = FOREACH cubed_data GENERATE $0, COUNT_STAR($1);

dump final_data;

它将产生所有组合和总计数的输出。查看先前转储的输出 - 使用此统计信息，我们可以直接回答以前的问题。无需进一步聚合。

((prod,web,order_module,view),1)
((prod,web,order_module,),1)
((prod,web,,view),1)
((prod,web,,),1)
((prod,mobile,order_module,click),1)
((prod,mobile,order_module,),1)
((prod,mobile,,click),1)
((prod,mobile,,),1)
((prod,,order_module,view),1)
((prod,,order_module,click),1)
((prod,,order_module,),2)
((prod,,,view),1)
((prod,,,click),1)
((prod,,,),2)
((test,mobile,order_module,click),1)
((test,mobile,order_module,),1)
((test,mobile,,click),1)
((test,mobile,,),1)
((test,,order_module,click),1)
((test,,order_module,),1)
((test,,,click),1)
((test,,,),1)
((,web,order_module,view),1)
((,web,order_module,),1)
((,web,,view),1)
((,web,,),1)
((,mobile,order_module,click),2)
((,mobile,order_module,),2)
((,mobile,,click),2)
((,mobile,,),2)
((,,order_module,view),1)
((,,order_module,click),2)
((,,order_module,),3)
((,,,view),1)
((,,,click),2)
((,,,),3)