Apache Pig - COUNT_STAR ()

los COUNT_STAR() La función de Pig Latin es similar a la COUNT()función. Se utiliza para obtener el número de elementos de una bolsa. Mientras contaba los elementos, elCOUNT_STAR() La función incluye los valores NULL.

Note -

Para obtener el valor de recuento global (número total de tuplas en una bolsa), necesitamos realizar una Group All operación y calcule el valor count_star usando la función COUNT_STAR ().
Para obtener el valor de recuento de un grupo (Número de tuplas en un grupo), necesitamos agruparlo usando el Group By operador y proceda con la función count_star.

Sintaxis

A continuación se muestra la sintaxis de la COUNT_STAR() función.

grunt> COUNT_STAR(expression)

Ejemplo

Supongamos que tenemos un archivo llamado student_details.txt en el directorio HDFS /pig_data/Como se muestra abajo. Este archivo contiene un registro vacío.

student_details.txt

, , , , , , , 
001,Rajiv,Reddy,21,9848022337,Hyderabad,89 
002,siddarth,Battacharya,22,9848022338,Kolkata,78 
003,Rajesh,Khanna,22,9848022339,Delhi,90 
004,Preethi,Agarwal,21,9848022330,Pune,93 
005,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar,75 
006,Archana,Mishra,23,9848022335,Chennai,87 
007,Komal,Nayak,24,9848022334,trivendram,83 
008,Bharathi,Nambiayar,24,9848022333,Chennai,72

Y hemos cargado este archivo en Pig con el nombre de la relación. student_details Como se muestra abajo.

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, gpa:int);

Calcular el número de tuplas

Podemos usar la función incorporada COUNT_STAR()para calcular el número de tuplas en una relación. Agrupemos la relaciónstudent_details utilizando la Group All operador y almacenar el resultado en la relación denominada student_group_all Como se muestra abajo.

grunt> student_group_all = Group student_details All;

Producirá una relación como se muestra a continuación.

grunt> Dump student_group_all;  

(all,{(8,Bharathi,Nambiayar,24,9848022333,Chennai,72),
(7,Komal,Nayak,24,9848022 334,trivendram,83),
(6,Archana,Mishra,23,9848022335,Chennai,87),
(5,Trupthi,Mohan thy,23,9848022336,Bhuwaneshwar,75),
(4,Preethi,Agarwal,21,9848022330,Pune,93),
(3 ,Rajesh,Khanna,22,9848022339,Delhi,90),
(2,siddarth,Battacharya,22,9848022338,Ko lkata,78),
(1,Rajiv,Reddy,21,9848022337,Hyderabad,89),
( , , , , , , )})

Calculemos ahora el número de tuplas / registros en la relación.

grunt> student_count = foreach student_group_all  Generate COUNT_STAR(student_details.gpa);

Verificación

Verifica la relación student_count utilizando la DUMP operador como se muestra a continuación.

grunt> Dump student_count;

Salida

Producirá la siguiente salida, mostrando el contenido de la relación student_count.

Dado que hemos utilizado la función COUNT_STAR(), incluyó la tupla nula y devolvió 9.

↰ Previous page