Apache Pig PluckTuple()用法及代码示例

在执行 join 等操作区分两个模式的列后，我们使用函数PluckTuple().要使用这个函数，首先，我们必须定义一个字符串前缀，我们必须过滤以该前缀开头的关系中的列。

用法

下面给出的是PluckTuple()函数。

DEFINE pluck PluckTuple(expression1) 
DEFINE pluck PluckTuple(expression1,expression3) 
pluck(expression2)

示例

假设我们有两个文件，即emp_sales.txt和emp_bonus.txt在 HDFS 目录中/pig_data/。这emp_sales.txt包含销售部门员工的详细信息和emp_bonus.txt包含获得奖金的员工详细信息。

emp_sales.txt

1,Robin,22,25000,sales 
2,BOB,23,30000,sales 
3,Maya,23,25000,sales 
4,Sara,25,40000,sales 
5,David,23,45000,sales 
6,Maggy,22,35000,sales

emp_bonus.txt

1,Robin,22,25000,sales 
2,Jaya,23,20000,admin 
3,Maya,23,25000,sales 
4,Alia,25,50000,admin 
5,David,23,45000,sales
6,Omar,30,30000,admin

我们已经将这些文件加载​​到 Pig 中，并带有关系名称emp_sales和emp_bonus分别。

grunt> emp_sales = LOAD 'hdfs://localhost:9000/pig_data/emp_sales.txt' USING PigStorage(',')
   as (sno:int, name:chararray, age:int, salary:int, dept:chararray);
	
grunt> emp_bonus = LOAD 'hdfs://localhost:9000/pig_data/emp_bonus.txt' USING PigStorage(',')
   as (sno:int, name:chararray, age:int, salary:int, dept:chararray);

使用join操作符如下图。

grunt> join_data = join emp_sales by sno, emp_bonus by sno;

验证关系join_data使用Dump操作员。

grunt> Dump join_data;
 
(1,Robin,22,25000,sales,1,Robin,22,25000,sales)
(2,BOB,23,30000,sales,2,Jaya,23,20000,admin)
(3,Maya,23,25000,sales,3,Maya,23,25000,sales)
(4,Sara,25,40000,sales,4,Alia,25,50000,admin) 
(5,David,23,45000,sales,5,David,23,45000,sales) 
(6,Maggy,22,35000,sales,6,Omar,30,30000,admin)

使用 PluckTuple() 函数

现在，定义您想要使用的区分列的所需表达式PluckTupe()函数。

grunt> DEFINE pluck PluckTuple('a::');

过滤列中的join_data关系如下图。

grunt> data = foreach join_data generate FLATTEN(pluck(*));

描述名为的关系data如下所示。

grunt> Describe data;
 
data:{emp_sales::sno:int, emp_sales::name:chararray, emp_sales::age:int,
   emp_sales::salary:int, emp_sales::dept:chararray, emp_bonus::sno:int,
   emp_bonus::name:chararray, emp_bonus::age:int, emp_bonus::salary:int,
   emp_bonus::dept:chararray}

由于我们已经将表达式定义为“a::”, 的列emp_sales模式被提取为emp_sales::column name和列emp_bonus模式被提取为emp_bonus::column name