Apache Pig - Opérateur distinct

le DISTINCT L'opérateur est utilisé pour supprimer les tuples redondants (dupliqués) d'une relation.

Syntaxe

Ci-dessous, la syntaxe du DISTINCT opérateur.

grunt> Relation_name2 = DISTINCT Relatin_name1;

Exemple

Supposons que nous ayons un fichier nommé student_details.txt dans le répertoire HDFS /pig_data/ comme indiqué ci-dessous.

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

Et nous avons chargé ce fichier dans Pig avec le nom de la relation student_details comme indiqué ci-dessous.

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);

Supprimons maintenant les tuples redondants (dupliqués) de la relation nommée student_details en utilisant le DISTINCT opérateur, et stockez-le sous une autre relation nommée distinct_data comme indiqué ci-dessous.

grunt> distinct_data = DISTINCT student_details;

Vérification

Vérifier la relation distinct_data en utilisant le DUMP opérateur comme indiqué ci-dessous.

grunt> Dump distinct_data;

Production

Il produira la sortie suivante, affichant le contenu de la relation distinct_data comme suit.

(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)