Apache-pig-distinct-operator

Apache Pig-個別のオペレーター

*DISTINCT* 演算子は、リレーションから冗長（重複）タプルを削除するために使用されます。

構文

以下に、 DISTINCT 演算子の構文を示します。

grunt> Relation_name2 = DISTINCT Relatin_name1;

例

以下に示すように、HDFSディレクトリ /pig_data/ に student_details.txt という名前のファイルがあると仮定します。

*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

そして、以下に示すように、このファイルをリレーション名 student_details でPigにロードしました。

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);

次に、 DISTINCT 演算子を使用して student_details という名前のリレーションから冗長（重複）タプルを削除し、以下に示すように distinct_data という名前の別のリレーションとして保存します。

grunt> distinct_data = DISTINCT student_details;

検証

以下に示すように、 DUMP 演算子を使用して、リレーション distinct_data を確認します。

grunt> Dump distinct_data;

出力

次の出力が生成され、リレーション distinct_data の内容が次のように表示されます。

(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)