Apache Pig - Operatore di gruppo

Il GROUPL'operatore viene utilizzato per raggruppare i dati in una o più relazioni. Raccoglie i dati con la stessa chiave.

Sintassi

Di seguito è riportata la sintassi di group operatore.

grunt> Group_data = GROUP Relation_name BY age;

Esempio

Supponiamo di avere un file denominato student_details.txt nella directory HDFS /pig_data/ come mostrato di seguito.

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

E abbiamo caricato questo file in Apache Pig con il nome della relazione student_details come mostrato di seguito.

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);

Ora, raggruppiamo i record / tuple nella relazione in base all'età come mostrato di seguito.

grunt> group_data = GROUP student_details by age;

Verifica

Verifica la relazione group_data usando il DUMP operatore come mostrato di seguito.

grunt> Dump group_data;

Produzione

Quindi otterrai un output che mostra il contenuto della relazione denominata group_datacome mostrato di seguito. Qui puoi osservare che lo schema risultante ha due colonne:

  • Uno è age, in base al quale abbiamo raggruppato la relazione.

  • L'altro è un file bag, che contiene il gruppo di tuple, i record degli studenti con la rispettiva età.

(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)})

È possibile visualizzare lo schema della tabella dopo aver raggruppato i dati utilizzando il file describe comando come mostrato di seguito.

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

Allo stesso modo, puoi ottenere l'illustrazione di esempio dello schema utilizzando il file illustrate comando come mostrato di seguito.

$ Illustrate group_data;

Produrrà il seguente output:

------------------------------------------------------------------------------------------------- 
|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)}| 
-------------------------------------------------------------------------------------------------

Raggruppamento per più colonne

Raggruppiamo la relazione per età e città come mostrato di seguito.

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

Puoi verificare il contenuto della relazione denominata group_multiple utilizzando l'operatore Dump come mostrato di seguito.

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)})

Group All

È possibile raggruppare una relazione in base a tutte le colonne come mostrato di seguito.

grunt> group_all = GROUP student_details All;

Ora verifica il contenuto della relazione group_all come mostrato di seguito.

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)})