Apache Pig - Operador de grupo

los GROUPEl operador se utiliza para agrupar los datos en una o más relaciones. Recoge los datos con la misma clave.

Sintaxis

A continuación se muestra la sintaxis de la group operador.

grunt> Group_data = GROUP Relation_name BY age;

Ejemplo

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

student_details.txt

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

Y hemos cargado este archivo en Apache 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);

Ahora, agrupemos los registros / tuplas en la relación por edad como se muestra a continuación.

grunt> group_data = GROUP student_details by age;

Verificación

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

grunt> Dump group_data;

Salida

Luego obtendrá una salida que muestra el contenido de la relación llamada group_dataComo se muestra abajo. Aquí puede observar que el esquema resultante tiene dos columnas:

Uno es age, por el cual hemos agrupado la relación.
El otro es un bag, que contiene el grupo de tuplas, registros de estudiantes con la edad respectiva.

(21,{(4,Preethi,Agarwal,21,9848022330,Pune),(1,Rajiv,Reddy,21,9848022337,Hydera bad)})
(22,{(3,Rajesh,Khanna,22,9848022339,Delhi),(2,siddarth,Battacharya,22,984802233 8,Kolkata)})
(23,{(6,Archana,Mishra,23,9848022335,Chennai),(5,Trupthi,Mohanthy,23,9848022336 ,Bhuwaneshwar)})
(24,{(8,Bharathi,Nambiayar,24,9848022333,Chennai),(7,Komal,Nayak,24,9848022334, trivendram)})

Puede ver el esquema de la tabla después de agrupar los datos usando el describe comando como se muestra a continuación.

grunt> Describe group_data;
  
group_data: {group: int,student_details: {(id: int,firstname: chararray,
               lastname: chararray,age: int,phone: chararray,city: chararray)}}

De la misma manera, puede obtener la ilustración de muestra del esquema utilizando el illustrate comando como se muestra a continuación.

$ Illustrate group_data;

Producirá la siguiente salida:

------------------------------------------------------------------------------------------------- 
|group_data|  group:int | student_details:bag{:tuple(id:int,firstname:chararray,lastname:chararray,age:int,phone:chararray,city:chararray)}|
------------------------------------------------------------------------------------------------- 
|          |     21     | { 4, Preethi, Agarwal, 21, 9848022330, Pune), (1, Rajiv, Reddy, 21, 9848022337, Hyderabad)}| 
|          |     2      | {(2,siddarth,Battacharya,22,9848022338,Kolkata),(003,Rajesh,Khanna,22,9848022339,Delhi)}| 
-------------------------------------------------------------------------------------------------

Agrupación por varias columnas

Agrupemos la relación por edad y ciudad como se muestra a continuación.

grunt> group_multiple = GROUP student_details by (age, city);

Puede verificar el contenido de la relación denominada group_multiple utilizando el operador Dump como se muestra a continuación.

grunt> Dump group_multiple; 
  
((21,Pune),{(4,Preethi,Agarwal,21,9848022330,Pune)})
((21,Hyderabad),{(1,Rajiv,Reddy,21,9848022337,Hyderabad)})
((22,Delhi),{(3,Rajesh,Khanna,22,9848022339,Delhi)})
((22,Kolkata),{(2,siddarth,Battacharya,22,9848022338,Kolkata)})
((23,Chennai),{(6,Archana,Mishra,23,9848022335,Chennai)})
((23,Bhuwaneshwar),{(5,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar)})
((24,Chennai),{(8,Bharathi,Nambiayar,24,9848022333,Chennai)})
(24,trivendram),{(7,Komal,Nayak,24,9848022334,trivendram)})

Agrupar todo

Puede agrupar una relación por todas las columnas como se muestra a continuación.

grunt> group_all = GROUP student_details All;

Ahora, verifique el contenido de la relación. group_all Como se muestra abajo.

grunt> Dump group_all;  
  
(all,{(8,Bharathi,Nambiayar,24,9848022333,Chennai),(7,Komal,Nayak,24,9848022334 ,trivendram), 
(6,Archana,Mishra,23,9848022335,Chennai),(5,Trupthi,Mohanthy,23,9848022336,Bhuw aneshwar), 
(4,Preethi,Agarwal,21,9848022330,Pune),(3,Rajesh,Khanna,22,9848022339,Delhi), 
(2,siddarth,Battacharya,22,9848022338,Kolkata),(1,Rajiv,Reddy,21,9848022337,Hyd erabad)})

↰ Previous page Next page ↱