Pig DISTINCT 运算符

  • DISTINCT 运算符

    Pig Latin的DISTINCT运算符用于从关系去除冗余(重复)的元组。
    句法
    下面给出的是DISTINCT运算符的语法。
    
    grunt> Relation_name2 = DISTINCT Relatin_name1;
    
    假设我们在HDFS目录/pig_data/中有一个名为student_details.txt的文件,如下所示。
    
    001,Rajiv,Reddy,9848022337,Hyderabad
    002,siddarth,Battacharya,9848022338,Kolkata 
    002,siddarth,Battacharya,9848022338,Kolkata 
    003,Rajesh,Khanna,9848022339,Delhi 
    003,Rajesh,Khanna,9848022339,Delhi 
    004,Preethi,Agarwal,9848022330,Pune 
    005,Trupthi,Mohanthy,9848022336,Bhuwaneshwar
    006,Archana,Mishra,9848022335,Chennai 
    006,Archana,Mishra,9848022335,Chennai
    
    并且我们已经将该文件加载到Pig中,关系名称为student_details,如下所示。
    
    grunt> student_details = LOAD 'hdfs://localhost:9000/pig_data/student_details.txt' USING PigStorage(',') 
       as (id:int, firstname:chararray, lastname:chararray, phone:chararray, city:chararray);
    
    现在,让我们使用DISTINCT运算符从名为Student_details的关系中删除冗余(重复的)元组,并将其存储为另一个名为distinct_data的关系,如下所示。
    
    grunt> distinct_data = DISTINCT student_details;
    
    验证
    如下所示,使用DUMP运算符验证关系distinct_data。
    
    grunt> Dump distinct_data;
    
    输出
    它会产生以下输出,显示所述关系的内容distinct_data如下。
    
    (1,Rajiv,Reddy,9848022337,Hyderabad)
    (2,siddarth,Battacharya,9848022338,Kolkata) 
    (3,Rajesh,Khanna,9848022339,Delhi) 
    (4,Preethi,Agarwal,9848022330,Pune) 
    (5,Trupthi,Mohanthy,9848022336,Bhuwaneshwar)
    (6,Archana,Mishra,9848022335,Chennai)