Apache Pig - Operador Split

o SPLIT operador é usado para dividir uma relação em duas ou mais relações.

Sintaxe

Dada a seguir está a sintaxe do SPLIT operador.

grunt> SPLIT Relation1_name INTO Relation2_name IF (condition1), Relation2_name (condition2),

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.

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 dividir a relação em duas, uma listando os funcionários com menos de 23 anos e a outra listando os funcionários com idades entre 22 e 25 anos.

SPLIT student_details into student_details1 if age<23, student_details2 if (22<age and age>25);

Verificação

Verifique as relações student_details1 e student_details2 usando o DUMP operador como mostrado abaixo.

grunt> Dump student_details1;  

grunt> Dump student_details2;

Resultado

Ele irá produzir a seguinte saída, exibindo o conteúdo das relações student_details1 e student_details2 respectivamente.

grunt> Dump student_details1; 
(1,Rajiv,Reddy,21,9848022337,Hyderabad) 
(2,siddarth,Battacharya,22,9848022338,Kolkata)
(3,Rajesh,Khanna,22,9848022339,Delhi) 
(4,Preethi,Agarwal,21,9848022330,Pune)
  
grunt> Dump student_details2; 
(5,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar) 
(6,Archana,Mishra,23,9848022335,Chennai) 
(7,Komal,Nayak,24,9848022334,trivendram) 
(8,Bharathi,Nambiayar,24,9848022333,Chennai)