Apache Pig - Operador de Filtro

o FILTER operador é usado para selecionar as tuplas necessárias de uma relação com base em uma condição.

Sintaxe

Dada a seguir está a sintaxe do FILTER operador.

grunt> Relation2_name = FILTER Relation1_name BY (condition);

Exemplo

Suponha que temos um arquivo chamado student_details.txt no diretório HDFS /pig_data/ como mostrado abaixo.

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

E carregamos este arquivo no Pig com o nome da relação student_details como mostrado abaixo.

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);

Vamos agora usar o operador Filtro para obter os detalhes dos alunos que pertencem à cidade de Chennai.

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

Verificação

Verifique a relação filter_data usando o DUMP operador como mostrado abaixo.

grunt> Dump filter_data;

Resultado

Ele irá produzir a seguinte saída, exibindo o conteúdo da relação filter_data do seguinte modo.

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