Apache Pig - STRSPLITTOBAG ()
Esta función es similar a la STRSPLIT()función. Divide la cadena por un delimitador dado y devuelve el resultado en una bolsa.
Sintaxis
La sintaxis de STRSPLITTOBAG()se da a continuación. Esta función acepta una cadena que se necesita dividir, una expresión regular y un valor entero que especifica el límite (el número de subcadenas que la cadena debe dividirse). Esta función analiza la cadena y cuando encuentra la expresión regular dada, divide la picadura enn número de subcadenas donde n será el valor pasado a limit.
grunt> STRSPLITTOBAG(string, regex, limit)
Ejemplo
Suponga que hay un archivo llamado emp.txt en el HDFS directorio /pig_data/Como se muestra abajo. Este archivo contiene los detalles del empleado, como identificación, nombre, edad y ciudad.
emp.txt
001,Robin_Smith,22,newyork
002,BOB_Wilson,23,Kolkata
003,Maya_Reddy,23,Tokyo
004,Sara_Jain,25,London
005,David_Miller,23,Bhuwaneshwar
006,Maggy_Moore,22,Chennai
007,Robert_Scott,22,newyork
008,Syam_Ketavarapu,23,Kolkata
009,Mary_Carter,25,Tokyo
010,Saran_Naidu,25,London
011,Stacy_Green,25,Bhuwaneshwar
012,Kelly_Moore,22,Chennai
Y hemos cargado este archivo en Pig con una relación llamada emp_data Como se muestra abajo.
grunt> emp_data = LOAD 'hdfs://localhost:9000/pig_data/emp.txt' USING PigStorage(',')
as (id:int, name:chararray, age:int, city:chararray);
A continuación se muestra un ejemplo de STRSPLITTOBAG()función. Si observa el archivo emp.txt, puede encontrarlo, en elname columna, tenemos el nombre y apellido de los empleados separados por el delemeter “_”.
En este ejemplo, estamos tratando de dividir el nombre y apellido del empleado y obtener el resultado en una bolsa usando STRSPLITTOBAG() función.
grunt> strsplittobag_data = FOREACH emp_data GENERATE (id,name), STRSPLITTOBAG (name,'_',2);
El resultado de la declaración se almacenará en la relación denominada strsplittobag_data. Verificar el contenido de la relaciónstrsplittobag_data, utilizando el operador Dump como se muestra a continuación.
grunt> Dump strsplittobag_data;
((1,Robin_Smith),{(Robin),(Smith)})
((2,BOB_Wilson),{(BOB),(Wilson)})
((3,Maya_Reddy),{(Maya),(Reddy)})
((4,Sara_Jain),{(Sara),(Jain)})
((5,David_Miller),{(David),(Miller)})
((6,Maggy_Moore),{(Maggy),(Moore)})
((7,Robert_Scott),{(Robert),(Scott)})
((8,Syam_Ketavarapu),{(Syam),(Ketavarapu)})
((9,Mary_Carter),{(Mary),(Carter)})
((10,Saran_Naidu),{(Saran),(Naidu)})
((11,Stacy_Green),{(Stacy),(Green)})
((12,Kelly_Moore),{(Kelly),(Moore)})