Apache Pig 简明教程

Apache Pig - Split Operator

SPLIT 运算符用于将一个关系拆分为两个或更多个关系。

Syntax

以下是 SPLIT 运算符的语法。

grunt> SPLIT Relation1_name INTO Relation2_name IF (condition1), Relation2_name (condition2),

Example

假设我们有一个名为 student_details.txt 的文件位于 HDFS 目录 /pig_data/ 中，如下所示。

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

我们已经将此文件载入 Pig，并将其关系名称命名为 student_details ，如下所示。

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);

现在，让我们将该关系分成两部分，一部分列出年龄小于 23 岁的员工，另一部分列出年龄在 22 到 25 之间的员工。

SPLIT student_details into student_details1 if age<23, student_details2 if (22<age and age>25);

Verification

使用 DUMP 运算符验证关系 student_details1 和 student_details2 ，如下所示。

grunt> Dump student_details1;

grunt> Dump student_details2;

Output

它将生成以下输出，分别显示关系 student_details1 和 student_details2 的内容。

grunt> Dump student_details1;
(1,Rajiv,Reddy,21,9848022337,Hyderabad)
(2,siddarth,Battacharya,22,9848022338,Kolkata)
(3,Rajesh,Khanna,22,9848022339,Delhi)
(4,Preethi,Agarwal,21,9848022330,Pune)

grunt> Dump student_details2;
(5,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar)
(6,Archana,Mishra,23,9848022335,Chennai)
(7,Komal,Nayak,24,9848022334,trivendram)
(8,Bharathi,Nambiayar,24,9848022333,Chennai)