Linux实现文件内容去重及求交并差集
一、数据去重
日常工作中,使用Hive或者Impala查询导出来可能会存在数据重复的现象,但又不想重新执行一遍查询(查询时间稍长,导出文件内容多),因此想到了使用Linux命令将文件的内容重复数据进行去除。
案例如下:
可以看到aaa.txx有3条重复数据
想去掉多余的数据,只保留一条
sort aaa.txt | uniq > bbb.txt
将aaa.txt文件中重复数据去掉,输出到bbb.txt
可以看到bbb.txt文件中只保留了一条数据
二、数据交、并、差
1)、交集(相当于user_2019 inner join user_2020 on user_2019.user_no=user_2020.user_no)
sort user_2019.txt user_2020.txt | uniq -d
2)、并集(相当于 user_2019.user_no union user_2020.user_no)
sort user_2019.txt user_2020.txt | uniq
3)、差集
user_2019.txt-user_2020.txt
sort user_2019.txt user_2020.txt user_2020.txt | uniq -u
user_2020.txt - user_2019.txt:
sort user_2020.txt user_2019.txt user_2019.txt | uniq -u
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持好吧啦网。
相关文章:
1. Win11 正式版 Build 22621.1105一月累积更新补丁KB5022303发布(附完整更新日志)2. centos6.5下kvm环境搭建详解3. 什么是Unix 以及它为什么这么重要?4. Debian11怎么查看虚拟内存使用情况? 查看进程占用虚拟内存技巧5. 统信UOS怎么设置不让浏览器上网? UOS禁止浏览器访问网络的技巧6. solaris11如何扩展资源池?solaris11扩展资源池的方法7. Win10下载软件总是被阻止怎么解决?8. Mac无线网络怎么设置?苹果Mac电脑无线网络设置教程9. 老毛桃winpe系统对注册表信息进行备份的方法10. 在CentOS或RHEL 7上修改主机名的方法
