Apache Pig - Distinct 运算符

DISTINCT 运算符用于从关系中删除冗余（重复）元组。

语法

以下是 DISTINCT 运算符的语法。

grunt> Relation_name2 = DISTINCT Relatin_name1;

示例

假设我们在 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,Hyderabad
002,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,Bhuwaneshwar
006,Archana,Mishra,9848022335,Chennai 
006,Archana,Mishra,9848022335,Chennai

并且我们已使用关系名称 student_details 将此文件加载到 Pig 中，如下所示。

grunt> student_details = LOAD 'hdfs://127.0.0.1:9000/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 运算符从名为 student_details 的关系中删除冗余（重复）元组，并将其存储为另一个名为 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

它将生成以下输出，显示关系 distinct_data 的内容，如下所示。

(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)