Apache Pig - SOUS-TIRER ()

le SUBTRACT()La fonction de Pig Latin est utilisée pour soustraire deux sacs. Il prend deux sacs comme entrées et retourne un sac qui contient les n-uplets du premier sac qui ne sont pas dans le second sac.

Syntaxe

Ci-dessous, la syntaxe du SUBTRACT() fonction.

grunt> SUBTRACT(expression, expression)

Exemple

Supposons que nous ayons deux fichiers à savoir emp_sales.txt et emp_bonus.txt dans le répertoire HDFS /pig_data/comme indiqué ci-dessous. leemp_sales.txt contient les coordonnées des employés du service commercial et du emp_bonus.txt contient les détails de l'employé qui a obtenu la prime.

emp_sales.txt

1,Robin,22,25000,sales 
2,BOB,23,30000,sales 
3,Maya,23,25000,sales 
4,Sara,25,40000,sales 
5,David,23,45000,sales 
6,Maggy,22,35000,sales

emp_bonus.txt

1,Robin,22,25000,sales 
2,Jaya,23,20000,admin 
3,Maya,23,25000,sales 
4,Alia,25,50000,admin 
5,David,23,45000,sales 
6,Omar,30,30000,admin

Et nous avons chargé ces fichiers dans Pig, avec les noms des relations emp_sales et emp_bonus respectivement.

grunt> emp_sales = LOAD 'hdfs://localhost:9000/pig_data/emp_sales.txt' USING PigStorage(',')
   as (sno:int, name:chararray, age:int, salary:int, dept:chararray);
	
grunt> emp_bonus = LOAD 'hdfs://localhost:9000/pig_data/emp_bonus.txt' USING PigStorage(',')
   as (sno:int, name:chararray, age:int, salary:int, dept:chararray);

Regroupons maintenant les enregistrements / tuples des relations emp_sales et emp_bonus avec la clé sno, en utilisant l'opérateur COGROUP comme indiqué ci-dessous.

grunt> cogroup_data = COGROUP emp_sales by sno, emp_bonus by sno;

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

grunt> Dump cogroup_data; 

(1,{(1,Robin,22,25000,sales)},{(1,Robin,22,25000,sales)}) 
(2,{(2,BOB,23,30000,sales)},{(2,Jaya,23,30000,admin)}) 
(3,{(3,Maya,23,25000,sales)},{(3,Maya,23,25000,sales)}) 
(4,{(4,Sara,25,40000,sales)},{(4,Alia,25,50000,admin)}) 
(5,{(5,David,23,45000,sales)},{(5,David,23,45000,sales)}) 
(6,{(6,Maggy,22,35000,sales)},{(6,Omar,30,30000,admin)})

Soustraire une relation de l'autre

Soustrayons maintenant les tuples de emp_bonus relation de emp_salesrelation. La relation résultante contient les tuples deemp_sales qui ne sont pas là emp_bonus.

grunt> sub_data = FOREACH cogroup_data GENERATE SUBTRACT(emp_sales, emp_bonus);

Vérification

Vérifier la relation sub_dataen utilisant l'opérateur DUMP comme indiqué ci-dessous. leemp_sales relation contient les tuples qui ne sont pas là dans la relation emp_bonus.

grunt> Dump sub_data;
   
({})
({(2,BOB,23,30000,sales)})
({})
({(4,Sara,25,40000,sales)})
({})
({(6,Maggy,22,35000,sales)})

De la même manière, soustrayons le emp_sales relation de emp_bonus relation comme indiqué ci-dessous.

grunt> sub_data = FOREACH cogroup_data GENERATE SUBTRACT(emp_bonus, emp_sales);

Vérifiez le contenu du sub_data relation à l'aide de l'opérateur Dump comme indiqué ci-dessous.

grunt> Dump sub_data;

({}) 
({(2,Jaya,23,20000,admin)})
({})
({(4,Alia,25,50000,admin)})
({})
({(6,Omar,30,30000,admin)})