Apache Pig - Distinct 運算子

DISTINCT 運算子用於從關係中刪除冗餘（重複）元組。

語法

以下是 DISTINCT 運算子的語法。

grunt> Relation_name2 = DISTINCT Relatin_name1;

示例

假設我們在 HDFS 目錄 /pig_data/ 中有一個名為 student_details.txt 的檔案，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

並且我們已使用關係名稱 student_details 將此檔案載入到 Pig 中，如下所示。

grunt> student_details = LOAD 'hdfs://:9000/pig_data/student_details.txt' USING PigStorage(',') 
   as (id:int, firstname:chararray, lastname:chararray, phone:chararray, city:chararray);

現在讓我們使用 DISTINCT 運算子從名為 student_details 的關係中刪除冗餘（重複）元組，並將其儲存為另一個名為 distinct_data 的關係，如下所示。

grunt> distinct_data = DISTINCT student_details;

驗證

使用 DUMP 運算子驗證關係 distinct_data，如下所示。

grunt> Dump distinct_data;

輸出

它將生成以下輸出，顯示關係 distinct_data 的內容，如下所示。

(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)