Apache Pig - Operator grupy

Plik GROUPoperator służy do grupowania danych w jedną lub więcej relacji. Gromadzi dane mające ten sam klucz.

Składnia

Poniżej podano składnię group operator.

grunt> Group_data = GROUP Relation_name BY age;

Przykład

Załóżmy, że mamy plik o nazwie student_details.txt w katalogu HDFS /pig_data/ jak pokazano niżej.

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

Załadowaliśmy ten plik do Apache Pig z nazwą relacji student_details jak pokazano niżej.

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);

Teraz pogrupujmy rekordy / krotki w relacji według wieku, jak pokazano poniżej.

grunt> group_data = GROUP student_details by age;

Weryfikacja

Sprawdź relację group_data używając DUMP operator, jak pokazano poniżej.

grunt> Dump group_data;

Wynik

Następnie otrzymasz dane wyjściowe wyświetlające zawartość relacji o nazwie group_datajak pokazano niżej. Tutaj możesz zauważyć, że wynikowy schemat ma dwie kolumny -

  • Jeden jest age, według którego pogrupowaliśmy relację.

  • Drugi to bag, który zawiera grupę krotek, akta uczniów z odpowiednim wiekiem.

(21,{(4,Preethi,Agarwal,21,9848022330,Pune),(1,Rajiv,Reddy,21,9848022337,Hydera bad)})
(22,{(3,Rajesh,Khanna,22,9848022339,Delhi),(2,siddarth,Battacharya,22,984802233 8,Kolkata)})
(23,{(6,Archana,Mishra,23,9848022335,Chennai),(5,Trupthi,Mohanthy,23,9848022336 ,Bhuwaneshwar)})
(24,{(8,Bharathi,Nambiayar,24,9848022333,Chennai),(7,Komal,Nayak,24,9848022334, trivendram)})

Możesz zobaczyć schemat tabeli po zgrupowaniu danych za pomocą describe polecenie, jak pokazano poniżej.

grunt> Describe group_data;
  
group_data: {group: int,student_details: {(id: int,firstname: chararray,
               lastname: chararray,age: int,phone: chararray,city: chararray)}}

W ten sam sposób możesz uzyskać przykładową ilustrację schematu przy użyciu illustrate polecenie, jak pokazano poniżej.

$ Illustrate group_data;

Wytworzy następujący wynik -

------------------------------------------------------------------------------------------------- 
|group_data|  group:int | student_details:bag{:tuple(id:int,firstname:chararray,lastname:chararray,age:int,phone:chararray,city:chararray)}|
------------------------------------------------------------------------------------------------- 
|          |     21     | { 4, Preethi, Agarwal, 21, 9848022330, Pune), (1, Rajiv, Reddy, 21, 9848022337, Hyderabad)}| 
|          |     2      | {(2,siddarth,Battacharya,22,9848022338,Kolkata),(003,Rajesh,Khanna,22,9848022339,Delhi)}| 
-------------------------------------------------------------------------------------------------

Grupowanie według wielu kolumn

Pogrupujmy relację według wieku i miasta, jak pokazano poniżej.

grunt> group_multiple = GROUP student_details by (age, city);

Możesz zweryfikować zawartość relacji o nazwie group_multiple używając operatora Dump, jak pokazano poniżej.

grunt> Dump group_multiple; 
  
((21,Pune),{(4,Preethi,Agarwal,21,9848022330,Pune)})
((21,Hyderabad),{(1,Rajiv,Reddy,21,9848022337,Hyderabad)})
((22,Delhi),{(3,Rajesh,Khanna,22,9848022339,Delhi)})
((22,Kolkata),{(2,siddarth,Battacharya,22,9848022338,Kolkata)})
((23,Chennai),{(6,Archana,Mishra,23,9848022335,Chennai)})
((23,Bhuwaneshwar),{(5,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar)})
((24,Chennai),{(8,Bharathi,Nambiayar,24,9848022333,Chennai)})
(24,trivendram),{(7,Komal,Nayak,24,9848022334,trivendram)})

Group All

Relację można pogrupować według wszystkich kolumn, jak pokazano poniżej.

grunt> group_all = GROUP student_details All;

Teraz zweryfikuj treść relacji group_all jak pokazano niżej.

grunt> Dump group_all;  
  
(all,{(8,Bharathi,Nambiayar,24,9848022333,Chennai),(7,Komal,Nayak,24,9848022334 ,trivendram), 
(6,Archana,Mishra,23,9848022335,Chennai),(5,Trupthi,Mohanthy,23,9848022336,Bhuw aneshwar), 
(4,Preethi,Agarwal,21,9848022330,Pune),(3,Rajesh,Khanna,22,9848022339,Delhi), 
(2,siddarth,Battacharya,22,9848022338,Kolkata),(1,Rajiv,Reddy,21,9848022337,Hyd erabad)})