Apache Pig Distinct运算符

由 jarodhu 创建，youj 最后一次修改 2016-12-28 DISTINCT 运算符用于从关系中删除冗余（重复）元组。语法下面给出了 DISTINCT 运算符的语法。grunt> Relation_name2 = DISTINCT Relatin_name1;例假设在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,Hyderabad002,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,Bhuwaneshwar006,Archana,Mishra,9848022335,Chennai 006,Archana,Mishra,9848022335,Chennai通过关系 student_details 将此文件加载到Pig中，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 student_details 关系中删除冗余（重复）元组，并将其另存在一个名为 distinct_data 的关系 如下所示。grunt> distinct_data = DISTINCT student_details;验证使用 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)