似乎可以使用apachedatafu的distinctby udf来实现这一点。给定一个包，这个udf返回为给定字段找到的第一个示例。在您的例子中，您关心的字段是事件代码。但我们必须颠倒顺序，因为你实际上想要最后一个示例。
不过有一点需要澄清。如果我错了，请纠正我，但我认为预期的输出是：

1,{(a,1),(b,2)}
2,{(a,3),(b,6),(c,7),(b,8)}

也就是说，成员2发生（a，3）事件。成员1发生（a，2）事件。
你可以这样做：

-- pass in 1 because we want distinct by event code (position 1)
define DistinctBy datafu.pig.bags.DistinctBy('1');

FOREACH (GROUP A BY user_id) {
  -- reverse so we can take the last event code occurrence
  A_reversed = ORDER A BY event_date DESC;

  -- use DistinctBy to get the first tuple having an occurrence of a field value
  A_distinct_by_code = DistinctBy(A_reversed);

  -- put back in order again
  A_ordered = ORDER A_distinct_by_code BY event_date ASC;

  GENERATE group as user_id, A_ordered.(event_code,event_date);
}

你描述的主要内容是什么 GROUP BY 做。
在这种情况下：

B = GROUP A BY user_id;

把你的记录整理好 user_id . 您的数据现在如下所示：

1,{(a,1),(b,2)}
2,{(a,2),(b,6),(c,7),(b,8)}

你说你只想要最后一个（我想你指的是最棒的那个） event_date ). 为此，可以执行嵌套 FOREACH 带着一个 ORDER BY 按日期排序，然后用 LIMIT . 请注意，当存在关系时，这具有任意行为。

C = FOREACH B {                          
   DA = ORDER A BY event_date DESC;                
   DB = LIMIT DA 1;                         
   GENERATE FLATTEN(group), FLATTEN(DB.event_code), FLATTEN(DB.event_date);
}

您的数据现在应该如下所示：

1,b,2
2,b,8

另一种选择是使用自定义项在给定的组上编写一些自定义行为 GROUP BY :

B = GROUP A BY user_id;
C = FOREACH B GENERATE YourUDFThatYouBuilt(group, A);

在这个udf中，您可以编写任何您想要的自定义行为（在本例中，返回具有最大日期的元组）