Apache Pig – 独特的运营商

该DISTINCT运算符用于从关系去除冗余（一式两份）的元组。

句法

下面给出的是DISTINCT运算符的语法。

grunt> Relation_name2 = DISTINCT Relatin_name1;

例子

假设我们在 HDFS 目录/pig_data/ 中有一个名为student_details.txt的文件，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

我们已经将此文件加载到 Pig 中，关系名称为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, phone:chararray, city:chararray);

现在让我们使用DISTINCT运算符从名为student_details的关系中删除冗余（重复）元组，并将其存储为另一个名为distinct_data 的关系，如下所示。

grunt> distinct_data = DISTINCT student_details;

确认

使用DUMP运算符验证关系distinct_data，如下所示。

grunt> Dump distinct_data;

输出

它将产生以下输出，显示关系distinct_data的内容如下。

(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)