Apache Pig教程

Apache Pig - Cogroup运算符

COGROUP 运算符的工作方式与 GROUP 运算符的工作方式相同.两个运算符之间的唯一区别是组运算符通常与一个关系一起使用，而 cogroup 运算符用于涉及两个或多个关系的语句.

使用Cogroup对两个关系进行分组

假设我们有两个文件，即 student_details.txt 和 employee_details.txt 在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

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

我们已将这些文件加载到Pig中，关系名称为 student_details 和 employee_details 分别如下所示.

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

现在，让我们将关系 student_details 和 employee_details 的记录/元组与密钥分组年龄，如下所示.

grunt> cogroup_data = COGROUP student_details by age, employee_details by age;

验证

使用 DUMP cogroup_data >运算符如下所示.

grunt> Dump cogroup_data;

输出

它将产生以下输出，显示名为 cogroup_data 如下所示.

(21,{(4,Preethi,Agarwal,21,9848022330,Pune), (1,Rajiv,Reddy,21,9848022337,Hyderabad)}, 
   {    })  
(22,{ (3,Rajesh,Khanna,22,9848022339,Delhi), (2,siddarth,Battacharya,22,9848022338,Kolkata) },  
   { (6,Maggy,22,Chennai),(1,Robin,22,newyork) })  
(23,{(6,Archana,Mishra,23,9848022335,Chennai),(5,Trupthi,Mohanthy,23,9848022336 ,Bhuwaneshwar)}, 
   {(5,David,23,Bhuwaneshwar),(3,Maya,23,Tokyo),(2,BOB,23,Kolkata)}) 
(24,{(8,Bharathi,Nambiayar,24,9848022333,Chennai),(7,Komal,Nayak,24,9848022334, trivendram)}, 
   { })  
(25,{   }, 
   {(4,Sara,25,London)})

cogroup 运算符根据每个组描述特定年龄值的年龄对每个关系中的元组进行分组.

例如，如果我们认为结果的第一个元组，它按年龄21分组.它包含两个包 :