Apache Pig - RESTA ()

los SUBTRACT()La función de Pig Latin se usa para restar dos bolsas. Toma dos bolsas como entradas y devuelve una bolsa que contiene las tuplas de la primera bolsa que no están en la segunda.

Sintaxis

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

grunt> SUBTRACT(expression, expression)

Ejemplo

Supongamos que tenemos dos archivos a saber emp_sales.txt y emp_bonus.txt en el directorio HDFS /pig_data/Como se muestra abajo. losemp_sales.txt contiene los detalles de los empleados del departamento de ventas y el emp_bonus.txt contiene los detalles de los empleados que recibieron la bonificación.

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

Y hemos cargado estos archivos en Pig, con los nombres de las relaciones emp_sales y emp_bonus respectivamente.

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);

Agrupemos ahora los registros / tuplas de las relaciones emp_sales y emp_bonus con la llave sno, utilizando el operador COGROUP como se muestra a continuación.

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

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

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)})

Restar una relación de la otra

Restemos ahora las tuplas de emp_bonus relación de emp_salesrelación. La relación resultante contiene las tuplas deemp_sales que no estan en emp_bonus.

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

Verificación

Verifica la relación sub_datautilizando el operador DUMP como se muestra a continuación. losemp_sales relación contiene las tuplas que no están allí en la relación emp_bonus.

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

De la misma forma, restemos el emp_sales relación de emp_bonus relación como se muestra a continuación.

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

Verifique el contenido del sub_data relación utilizando el operador Dump como se muestra a continuación.

grunt> Dump sub_data;

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

↰ Previous page