Apache Pig Distinct運算符

DISTINCT 運算符用于從關(guān)系中刪除冗余（重復(fù)）元組。

語法

下面給出了 DISTINCT 運算符的語法。

grunt> Relation_name2 = DISTINCT Relatin_name1;

例

假設(shè)在HDFS目錄 /pig_data/ 中有一個名為 student_details.txt 的文件，如下所示。

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

通過關(guān)系 student_details 將此文件加載到Pig中，如下所示。

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);

現(xiàn)在，讓我們使用 DISTINCT 運算符從 student_details 關(guān)系中刪除冗余（重復(fù)）元組，并將其另存在一個名為 distinct_data 的關(guān)系 如下所示。

grunt> distinct_data = DISTINCT student_details;

驗證

使用 DUMP 運算符驗證關(guān)系 distinct_data ，如下所示。

grunt> Dump distinct_data;

輸出

它將產(chǎn)生以下輸出，顯示關(guān)系 distinct_data 的內(nèi)容如下。

(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)