Apache Pig中文手册

在执行join之类的操作以区分两个模式的列之后，我们使用函数 PluckTuple() 。要使用此函数，首先，我们必须定义一个字符串Prefix，并且我们必须对以该prefix开头的关系中的列进行过滤。

语法

下面给出了 PluckTuple() 函数的语法。

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

例

假设在HDFS目录 /pig_data/ 中有两个文件，分别是 emp_sales.txt 和 emp_bonus.txt 。 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

分别使用关系 emp_sales 和 emp_bonus ，将这些文件加载到Pig中。

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 运算符连接这两个关系，如下所示。

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

使用 Dump 运算符验证关系 join_data 。

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，使用 PluckTupe() 函数定义要用来区分列的必需表达式。

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

过滤 join_data 关系中的列，如下所示。

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

描述名为 data 的关系，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}

由于我们已将表达式定义为“a ::"，因此 emp_sales 模式的列将被作为 emp_sales :: column name ，emp_bonus 模式的列将被作为 emp_bonus :: column name