Apache Pig - COUNT ()

o COUNT()A função Pig Latin é usada para obter o número de elementos em uma bolsa. Enquanto conta o número de tuplas em uma bolsa, oCOUNT() A função ignora (não contará) as tuplas com valor NULL no FIRST FIELD.

Note -

Para obter o valor de contagem global (número total de tuplas em uma bolsa), precisamos realizar um Group All operação e calcular o valor de contagem usando a função COUNT ().
Para obter o valor de contagem de um grupo (Número de tuplas em um grupo), precisamos agrupá-lo usando o operador Group By e prosseguir com a função de contagem.

Sintaxe

Dada a seguir está a sintaxe do COUNT() função.

grunt> COUNT(expression)

Exemplo

Suponha que temos um arquivo chamado student_details.txt no diretório HDFS /pig_data/ como mostrado abaixo.

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

E carregamos este arquivo no Pig com a relação chamada student_details como mostrado abaixo.

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);

Calculando o número de tuplas

Podemos usar a função integrada COUNT()(diferencia maiúsculas de minúsculas) para calcular o número de tuplas em uma relação. Vamos agrupar a relaçãostudent_details usando o Group All operador, e armazena o resultado na relação nomeada student_group_all como mostrado abaixo.

grunt> student_group_all = Group student_details All;

Isso produzirá uma relação conforme mostrado abaixo.

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)})

Vamos agora calcular o número de tuplas / registros na relação.

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

Verificação

Verifique a relação student_count usando o DUMP operador como mostrado abaixo.

grunt> Dump student_count;

Resultado

Ele produzirá a seguinte saída, exibindo o conteúdo da relação student_count.

↰ Previous page