测试4
测试大礼包
爬虫实战特训课

Pig Latin的 TOP() 函数用于获取包的顶部 N 个元组。对于这个函数，作为输入，我们必须传递一个关系，我们想要的元组的数量，以及其值被比较的列名。此函数将返回包含所需列的包。

语法

下面给出了函数 TOP() 的语法。

grunt> TOP(topN,column,relation)

例

假设在HDFS目录 /pig_data/ 中有一个名为 employee_details.txt 的文件，其中包含以下内容。

employee_details.txt 

001,Robin,22,newyork 
002,BOB,23,Kolkata 
003,Maya,23,Tokyo 
004,Sara,25,London 
005,David,23,Bhuwaneshwar 
006,Maggy,22,Chennai 
007,Robert,22,newyork 
008,Syam,23,Kolkata 
009,Mary,25,Tokyo 
010,Saran,25,London 
011,Stacy,25,Bhuwaneshwar 
012,Kelly,22,Chennai

通过使用关系 emp_data 将此文件加载到Pig中，如下所示。

grunt> emp_data = LOAD 'hdfs://localhost:9000/pig_data/ employee_details.txt' USING PigStorage(',')
   as (id:int, name:chararray, age:int, city:chararray);

按年龄对关系 emp_data 进行分组，并将其存储在关系 emp_group 中。

grunt> emp_group = Group emp_data BY age;

使用 Dump 运算符验证关系 emp_group ，如下所示。

grunt> Dump emp_group;
  
(22,{(12,Kelly,22,Chennai),(7,Robert,22,newyork),(6,Maggy,22,Chennai),(1,Robin, 22,newyork)}) 
(23,{(8,Syam,23,Kolkata),(5,David,23,Bhuwaneshwar),(3,Maya,23,Tokyo),(2,BOB,23, Kolkata)}) 
(25,{(11,Stacy,25,Bhuwaneshwar),(10,Saran,25,London),(9,Mary,25,Tokyo),(4,Sara, 25,London)})

现在，你可以按升序（基于id ）排列每个组的前两个记录，如下所示。

grunt> data_top = FOREACH emp_group { 
   top = TOP(2, 0, emp_data); 
   GENERATE top; 
}

在这个例子中，我们正在检索具有较大id的组的前2个元组。由于我们基于 id 检索前2个元组，我们将列名id的索引作为TOP()函数的第二个参数传递。

验证

使用 Dump 运算符验证 data_top 关系的内容，如下所示。

grunt> Dump data_top;
  
({(7,Robert,22,newyork),(12,Kelly,22,Chennai)}) 
({(5,David,23,Bhuwaneshwar),(8,Syam,23,Kolkata)}) 
({(10,Saran,25,London),(11,Stacy,25,Bhuwaneshwar)})