Porco Apache - SUBTRAIR ()

o SUBTRACT()A função Pig Latin é usada para subtrair dois sacos. Ele pega duas bolsas como entradas e retorna uma bolsa que contém as tuplas da primeira bolsa que não estão na segunda bolsa.

Sintaxe

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

grunt> SUBTRACT(expression, expression)

Exemplo

Suponha que temos dois arquivos, a saber emp_sales.txt e emp_bonus.txt no diretório HDFS /pig_data/como mostrado abaixo. oemp_sales.txt contém os detalhes dos funcionários do departamento de vendas e o emp_bonus.txt contém os detalhes do funcionário que recebeu bônus.

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

E carregamos esses arquivos no Pig, com os nomes das relações emp_sales e emp_bonus respectivamente.

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);

Vamos agora agrupar os registros / tuplas das relações emp_sales e emp_bonus com a chave sno, usando o operador COGROUP conforme mostrado abaixo.

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

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

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)})

Subtraindo uma relação da outra

Vamos agora subtrair as tuplas de emp_bonus relação de emp_salesrelação. A relação resultante contém as tuplas deemp_sales que não estão lá em emp_bonus.

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

Verificação

Verifique a relação sub_datausando o operador DUMP conforme mostrado abaixo. oemp_sales relação contém as tuplas que não existem na relação emp_bonus.

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

Da mesma forma, vamos subtrair o emp_sales relação de emp_bonus relação conforme mostrado abaixo.

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

Verifique o conteúdo do sub_data relação usando o operador Dump como mostrado abaixo.

grunt> Dump sub_data;

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