假设电子邮件和网站是分开的标签和网站本身是分开的空间。下面是获得所需输出的分步代码，主要思想是先对网站进行标记化，将其展平，然后进行分组（email，tokenize\u website），生成count，然后通过email进行分组。

A = LOAD 'sample.txt' AS (email:chararray, urls:chararray);
B = FOREACH A GENERATE email AS email, FLATTEN(TOKENIZE(urls)) AS tokenize_urls;

倾倒b

e1  web1
e1  web2
e1  web3
e1  web1
e2  web2
e2  web3
......

现在按（电子邮件、标记化URL）分组并生成计数

C = GROUP B BY (email, tokenize_urls); 
D = FOREACH C GENERATE group.email as email, group.tokenize_urls as url, 
                COUNT(B) as url_count;

倾倒d

e1  web1    2
e1  web2    1
e1  web3    1
e2  web2    3
....

现在通过电子邮件分组

E = GROUP D BY email;

倾倒e

e1  {(e1,web1,2),(e1,web2,1),(e1,web3,1)}
e2  {(e2,web2,3),(e2,web3,1)}
e3  {(e3,web1,2),(e3,web2,1),(e3,web4,1)}
......

附言：我是Pig的新手，所以我的解决方案可能不是最优的。