Apache Pig - SUBTRACT() 函数

Pig Latin 的 SUBTRACT() 函数用于减去两个包。 它接受两个包作为输入并返回一个包，其中包含第一个包中不在第二个包中的元组。

语法

下面给出的是 SUBTRACT() 函数的语法。

grunt> SUBTRACT(expression, expression)

示例

假设我们在HDFS目录/pig_data/中有两个文件，分别是emp_sales.txt和emp_bonus.txt，如下所示。 emp_sales.txt包含销售部门员工的详细信息，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

我们已将这些文件加载到 Pig 中，关系名称分别为 emp_sales 和 emp_bonus。

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);	

现在让我们使用 COGROUP 运算符将关系 emp_sales 和 emp_bonus 与键 sno 的记录/元组分组，如下所示 。

grunt> cogroup_data = COGROUP emp_sales by sno, emp_bonus by sno;

使用 DUMP 运算符验证关系 cogroup_data，如下所示。

grunt> Dump cogroup_data; 

(1,{(1,Robin,22,25000,sales)},{(1,Robin,22,25000,sales)}) 
(2,{(2,BOB,23,30000,sales)},{(2,Jaya,23,30000,admin)}) 
(3,{(3,Maya,23,25000,sales)},{(3,Maya,23,25000,sales)}) 
(4,{(4,Sara,25,40000,sales)},{(4,Alia,25,50000,admin)}) 
(5,{(5,David,23,45000,sales)},{(5,David,23,45000,sales)}) 
(6,{(6,Maggy,22,35000,sales)},{(6,Omar,30,30000,admin)})

用一种关系减去另一种关系

现在让我们从 emp_sales 关系中减去 emp_bonus 关系的元组。 生成的关系包含 emp_bonus 中不存在的 emp_sales 元组。

grunt> sub_data = FOREACH cogroup_data GENERATE SUBTRACT(emp_sales, emp_bonus);

验证

使用 DUMP 运算符验证关系 sub_data，如下所示。 emp_sales 关系保存关系 emp_bonus 中不存在的元组。

grunt> Dump sub_data;
   
({})
({(2,BOB,23,30000,sales)})
({})
({(4,Sara,25,40000,sales)})
({})
({(6,Maggy,22,35000,sales)})

以同样的方式，让我们从 emp_bonus 关系中减去 emp_sales 关系，如下所示。

grunt> sub_data = FOREACH cogroup_data GENERATE SUBTRACT(emp_bonus, emp_sales);

使用 Dump 运算符验证 sub_data 关系的内容，如下所示。

grunt> Dump sub_data;

({}) 
({(2,Jaya,23,20000,admin)})
({})
({(4,Alia,25,50000,admin)})
({})
({(6,Omar,30,30000,admin)})

apache_pig_eval_functions.html