Apache Pig – operador especial
AREAtutorial » Big Data & Analitycs » Apache Pig – operador especial
EN DISTINTO El operador se utiliza para eliminar tuplas redundantes (duplicadas) de una relación.
A continuación se muestra la sintaxis DISTINTO operador.
grunt> Relation_name2 = DISTINCT Relatin_name1;
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,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
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, phone:chararray, city:chararray);
Ahora eliminemos las tuplas redundantes (duplicadas) de la relación nombrada Student_details usando DISTINTO operador y guárdelo como otra relación denominada datos_separados Como se muestra abajo.
grunt> distinct_data = DISTINCT student_details;
Verifica la conexión datos_individuales usando DUMP operador como se muestra a continuación.
grunt> Dump distinct_data;
Producirá el siguiente resultado mostrando el contenido de la relación datos_separados siguiente.
(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)
🚫