Apache Pig COUNT()用法及代码示例

这个COUNT()Pig Latin 的函数用于获取包中元素的数量。在计算包中元组的数量时，COUNT()函数忽略(不会计算)在第一个字段中具有 NULL 值的元组。

注意～’

• 要获得全局计数值(一个包中的元组总数)，我们需要执行一个Group All操作，并使用 COUNT() 函数计算计数值。

• 要获取组的计数值(组中的元组数)，我们需要使用 Group By 运算符对其进行分组并继续执行计数函数。

用法

下面给出的是COUNT()函数。

grunt> COUNT(expression)

示例

假设我们有一个名为student_details.txt在 HDFS 目录中/pig_data/如下所示。

student_details.txt

001,Rajiv,Reddy,21,9848022337,Hyderabad,89
002,siddarth,Battacharya,22,9848022338,Kolkata,78 
003,Rajesh,Khanna,22,9848022339,Delhi,90 
004,Preethi,Agarwal,21,9848022330,Pune,93 
005,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar,75 
006,Archana,Mishra,23,9848022335,Chennai,87 
007,Komal,Nayak,24,9848022334,trivendram,83 
008,Bharathi,Nambiayar,24,9848022333,Chennai,72

我们已经将此文件加载到 Pig 中，关系名为student_details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, gpa:int);

计算元组的数量

我们可以使用 内置 函数COUNT()(区分大小写)计算关系中元组的数量。让我们将关系分组student_details使用Group All运算符，并将结果存储在名为的关系中student_group_all如下所示。

grunt> student_group_all = Group student_details All;

它将产生如下所示的关系。

grunt> Dump student_group_all;
  
(all,{(8,Bharathi,Nambiayar,24,9848022333,Chennai,72),
(7,Komal,Nayak,24,9848022 334,trivendram,83),
(6,Archana,Mishra,23,9848022335,Chennai,87),
(5,Trupthi,Mohan thy,23,9848022336,Bhuwaneshwar,75),
(4,Preethi,Agarwal,21,9848022330,Pune,93),
(3 ,Rajesh,Khanna,22,9848022339,Delhi,90),
(2,siddarth,Battacharya,22,9848022338,Ko lkata,78),
(1,Rajiv,Reddy,21,9848022337,Hyderabad,89)})

现在让我们计算关系中元组/记录的数量。

grunt> student_count = foreach student_group_all  Generate COUNT(student_details.gpa);

确认

验证关系student_count使用DUMP操作符如下图。

grunt> Dump student_count;

输出

它将产生以下输出，显示关系 student_count 的内容。

8