Question

Cogroup操作符或多或少以group同样的方式工作。这两个运算符之间的唯一区别是，group运算符通常与一个关系一起使用，而cogroup运算符用于涉及两个或多个关系的语句中。

使用Cogroup对两个关系进行分组

假设我们在HDFS目录/pig_data/中有两个文件，即student_details.txt和employee_details.txt，如下所示。

001,Rajiv,Reddy,21,9848022337,Hyderabad
002,siddarth,Battacharya,22,9848022338,Kolkata
003,Rajesh,Khanna,22,9848022339,Delhi
004,Preethi,Agarwal,21,9848022330,Pune
005,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar
006,Archana,Mishra,23,9848022335,Chennai
007,Komal,Nayak,24,9848022334,trivendram
008,Bharathi,Nambiayar,24,9848022333,Chennai

001,Robin,22,newyork 
002,BOB,23,Kolkata 
003,Maya,23,Tokyo 
004,Sara,25,London 
005,David,23,Bhuwaneshwar 
006,Maggy,22,Chennai

并且我们已将这些文件分别以关系名称student_details和employee_details加载到Pig中，如下所示。

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

现在，让我们将student_details和employee_details关系的记录/元组与按age进行分组，如下所示。

grunt> cogroup_data = COGROUP student_details by age, employee_details by age;

验证
如下所示，使用DUMP运算符验证关系group_data。

grunt> Dump group_data;

它将产生以下输出，显示名为cogroup_data的关系的内容，如下所示。

(21,{(4,Preethi,Agarwal,21,9848022330,Pune), (1,Rajiv,Reddy,21,9848022337,Hyderabad)}, 
   {    })  
(22,{ (3,Rajesh,Khanna,22,9848022339,Delhi), (2,siddarth,Battacharya,22,9848022338,Kolkata) },  
   { (6,Maggy,22,Chennai),(1,Robin,22,newyork) })  
(23,{(6,Archana,Mishra,23,9848022335,Chennai),(5,Trupthi,Mohanthy,23,9848022336 ,Bhuwaneshwar)}, 
   {(5,David,23,Bhuwaneshwar),(3,Maya,23,Tokyo),(2,BOB,23,Kolkata)}) 
(24,{(8,Bharathi,Nambiayar,24,9848022333,Chennai),(7,Komal,Nayak,24,9848022334, trivendram)}, 
   { })  
(25,{   }, 
   {(4,Sara,25,London)})

COGROUP 运算符根据年龄对每个关系中的元组进行分组，其中每个组都描述特定的age值。
例如，如果我们考虑结果的第一个元组，则将其按年龄21分组。它包含两个bag：

• 第一个bag中有第一个关系中所有元组（在这种情况下，student_details）的年龄为21岁，并且
• 第二个bag包含第二个关系中所有年龄为21岁的元组（在本例中为employee_details）。

如果某个关系中没有age值为21的元组，它将返回一个空包。