Apache Pig – operador de filtro

Apache Pig – operador de filtro

EN FILTRAR El operador se usa para seleccionar las tuplas requeridas de una relación basada en una condición.

Sintaxis

A continuación se muestra la sintaxis FILTRAR operador.

grunt> Relation2_name = FILTER Relation1_name BY (condition);

Ejemplo

Supongamos que tenemos un archivo llamado student_details.txt en el directorio HDFS / pig_data / Como se muestra abajo.

student_details.txt

001,Rajiv,Reddy,21,9848022337,Hyderabad
002,siddarth,Battacharya,22,9848022338,Kolkata
003,Rajesh,Khanna,22,9848022339,Delhi 
004,Preethi,Agarwal,21,9848022330,Pune 
005,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar 
006,Archana,Mishra,23,9848022335,Chennai 
007,Komal,Nayak,24,9848022334,trivendram 
008,Bharathi,Nambiayar,24,9848022333,Chennai

Y cargamos este archivo en Pig con el nombre de la relación. Student_details Como se muestra abajo.

grunt> student_details = LOAD 'hdfs://localhost:9000/pig_data/student_details.txt' USING PigStorage(',')
   as (id:int, firstname:chararray, lastname:chararray, age:int, phone:chararray, city:chararray);

Usemos ahora el operador Filtro para obtener información detallada sobre los estudiantes de la ciudad de Chennai.

filter_data = FILTER student_details BY city == 'Chennai';

Controlar

Verifica la conexión filter_data usando DUMP operador como se muestra a continuación.

grunt> Dump filter_data;

Salida

Producirá el siguiente resultado mostrando el contenido de la relación filter_data siguiente.

(6,Archana,Mishra,23,9848022335,Chennai)
(8,Bharathi,Nambiayar,24,9848022333,Chennai)