Apache Pig - Operatore distinto

Il DISTINCT L'operatore viene utilizzato per rimuovere le tuple ridondanti (duplicate) da una relazione.

Sintassi

Di seguito è riportata la sintassi di DISTINCT operatore.

grunt> Relation_name2 = DISTINCT Relatin_name1;

Esempio

Supponiamo di avere un file denominato student_details.txt nella directory HDFS /pig_data/ come mostrato di seguito.

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

E abbiamo caricato questo file in Pig con il nome della relazione student_details come mostrato di seguito.

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);

Rimuoviamo ora le tuple ridondanti (duplicate) dalla relazione denominata student_details usando il DISTINCT operatore e memorizzalo come un'altra relazione denominata distinct_data come mostrato di seguito.

grunt> distinct_data = DISTINCT student_details;

Verifica

Verifica la relazione distinct_data usando il DUMP operatore come mostrato di seguito.

grunt> Dump distinct_data;

Produzione

Produrrà il seguente output, visualizzando il contenuto della relazione distinct_data come segue.

(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)