Apache Pig - особый оператор

В DISTINCT Оператор используется для удаления избыточных (повторяющихся) кортежей из отношения.

Синтаксис

Ниже приведен синтаксис DISTINCT оператор.

grunt> Relation_name2 = DISTINCT Relatin_name1;

пример

Предположим, у нас есть файл с именем student_details.txt в каталоге HDFS /pig_data/ как показано ниже.

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

И мы загрузили этот файл в Pig с именем отношения student_details как показано ниже.

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);

Давайте теперь удалим избыточные (повторяющиеся) кортежи из отношения с именем student_details используя DISTINCT оператор и сохраните его как другое отношение с именем distinct_data как показано ниже.

grunt> distinct_data = DISTINCT student_details;

Проверка

Проверить связь distinct_data используя DUMP оператор, как показано ниже.

grunt> Dump distinct_data;

Вывод

Он выдаст следующий результат, отображающий содержимое отношения distinct_data следующим образом.

(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)