Maiale Apache - TOP ()

Il TOP() la funzione di Pig Latin viene utilizzata per ottenere il top Ntuple di una borsa. A questa funzione, come input, dobbiamo passare una relazione, il numero di tuple che vogliamo e il nome della colonna i cui valori vengono confrontati. Questa funzione restituirà un sacchetto contenente le colonne richieste.

Sintassi

Di seguito è riportata la sintassi della funzione TOP().

grunt> TOP(topN,column,relation)

Esempio

Supponiamo di avere un file denominato employee_details.txt nella directory HDFS /pig_data/, con il seguente contenuto.

employee_details.txt

001,Robin,22,newyork 
002,BOB,23,Kolkata 
003,Maya,23,Tokyo 
004,Sara,25,London 
005,David,23,Bhuwaneshwar 
006,Maggy,22,Chennai 
007,Robert,22,newyork 
008,Syam,23,Kolkata 
009,Mary,25,Tokyo 
010,Saran,25,London 
011,Stacy,25,Bhuwaneshwar 
012,Kelly,22,Chennai

Abbiamo caricato questo file in Pig con il nome della relazione emp_data come mostrato di seguito.

grunt> emp_data = LOAD 'hdfs://localhost:9000/pig_data/ employee_details.txt' USING PigStorage(',')
   as (id:int, name:chararray, age:int, city:chararray);

Raggruppa la relazione emp_data in base all'età e memorizzarlo nella relazione emp_group.

grunt> emp_group = Group emp_data BY age;

Verifica la relazione emp_group utilizzando il file Dump operator come mostrato di seguito.

grunt> Dump emp_group;
  
(22,{(12,Kelly,22,Chennai),(7,Robert,22,newyork),(6,Maggy,22,Chennai),(1,Robin, 22,newyork)}) 
(23,{(8,Syam,23,Kolkata),(5,David,23,Bhuwaneshwar),(3,Maya,23,Tokyo),(2,BOB,23, Kolkata)}) 
(25,{(11,Stacy,25,Bhuwaneshwar),(10,Saran,25,London),(9,Mary,25,Tokyo),(4,Sara, 25,London)})

Ora puoi ottenere i primi due record di ciascun gruppo disposti in ordine crescente (based on id) come mostrato di seguito.

grunt> data_top = FOREACH emp_group { 
   top = TOP(2, 0, emp_data); 
   GENERATE top; 
}

In questo esempio stiamo recuperando le prime 2 tuple di un gruppo con un ID maggiore. Dal momento che stiamo recuperando le prime 2 tuple in base aid, stiamo passando l'indice dell'id del nome della colonna come secondo parametro della funzione TOP ().

Verifica

Puoi verificare il contenuto del file data_top relazione utilizzando il Dump operatore come mostrato di seguito.

grunt> Dump data_top;
  
({(7,Robert,22,newyork),(12,Kelly,22,Chennai)}) 
({(5,David,23,Bhuwaneshwar),(8,Syam,23,Kolkata)}) 
({(10,Saran,25,London),(11,Stacy,25,Bhuwaneshwar)})