Apache Pig Group運算符

GROUP 運算符用于在一個或多個關(guān)系中對數(shù)據(jù)進行分組，它收集具有相同key的數(shù)據(jù)。

語法

下面給出了 group 運算符的語法。

grunt> Group_data = GROUP Relation_name BY age;

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,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

將這個文件加載到Apache Pig中，關(guān)系名稱為student_details，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, age:int, phone:chararray, city:chararray);

現(xiàn)在，讓我們按照年齡關(guān)系中的記錄/元組進行分組，如下所示。

grunt> group_data = GROUP student_details by age;

驗證

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

grunt> Dump group_data;

輸出

將獲得顯示名為group_data關(guān)系的內(nèi)容的輸出，如下所示。在這里你可以觀察到結(jié)果模式有兩列:

• 一個是age，通過它我們將關(guān)系分組。

• 另一個是bag，其中包含一組元組，有各自年齡的學(xué)生記錄。

(21,{(4,Preethi,Agarwal,21,9848022330,Pune),(1,Rajiv,Reddy,21,9848022337,Hydera bad)})
(22,{(3,Rajesh,Khanna,22,9848022339,Delhi),(2,siddarth,Battacharya,22,984802233 8,Kolkata)})
(23,{(6,Archana,Mishra,23,9848022335,Chennai),(5,Trupthi,Mohanthy,23,9848022336 ,Bhuwaneshwar)})
(24,{(8,Bharathi,Nambiayar,24,9848022333,Chennai),(7,Komal,Nayak,24,9848022334, trivendram)})

在使用 describe 命令分組數(shù)據(jù)后，可以看到表的模式，如下所示。

grunt> Describe group_data;
  
group_data: {group: int,student_details: {(id: int,firstname: chararray,
               lastname: chararray,age: int,phone: chararray,city: chararray)}}

以同樣的方式，可以使用illustrate命令獲取模式的示例說明，如下所示。

$ Illustrate group_data;

它將產(chǎn)生以下輸出

------------------------------------------------------------------------------------------------- 
|group_data|  group:int | student_details:bag{:tuple(id:int,firstname:chararray,lastname:chararray,age:int,phone:chararray,city:chararray)}|
------------------------------------------------------------------------------------------------- 
|          |     21     | { 4, Preethi, Agarwal, 21, 9848022330, Pune), (1, Rajiv, Reddy, 21, 9848022337, Hyderabad)}| 
|          |     2      | {(2,siddarth,Battacharya,22,9848022338,Kolkata),(003,Rajesh,Khanna,22,9848022339,Delhi)}| 
-------------------------------------------------------------------------------------------------

按多列分組

讓我們按年齡和城市對關(guān)系進行分組，如下所示。

grunt> group_multiple = GROUP student_details by (age, city);

可以使用Dump運算符驗證名為 group_multiple 的關(guān)系的內(nèi)容，如下所示。

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

Group All

你可以按所有的列對關(guān)系進行分組，如下所示。

grunt> group_all = GROUP student_details All;

現(xiàn)在，請驗證關(guān)系 group_all 的內(nèi)容，如下所示。

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