hadoop pig
1.1 编写目的
介绍pig,一个不得不说的hadoop的扩展。
1.2 什么是pig
Pig是一个基于Hadoop的大规模数据分析平台,它提供的SQL-LIKE语言叫Pig Latin,该语言的编译器会把类SQL的数据分析请求转换为一系列经过优化处理的MapReduce运算。Pig为复杂的海量数据并行计算提供了一个简单的操作和编程接口。
1.3 pig的特点
1、专注于于大量数据集分析(ad-hoc analysis , ad-hoc 代表:a solution that has been custom designed for a specific problem );
2、运行在集群的计算架构上,Yahoo Pig 提供了多层抽象,简化并行计算让普通用户使用;这些抽象完成自动把用户请求queries翻译成有效的并行评估计划,然后在物理集群上执行这些计划;
3、提供类似 SQL 的操作语法;
4、开放源代码;
1.4pig的主要用户
1、yahoo
2、twitter
1.5关于pig和hive
对于开发人员,直接使用Java APIs可能是乏味或容易出错的,同时也限制了Java程序员在Hadoop上编程的运用灵活性。于是Hadoop提供了两个解决方案,使得Hadoop编程变得更加容易。
•Pig是一种编程语言,它简化了Hadoop常见的工作任务。Pig可加载数据、表达转换数据以及存储最终结果。Pig内置的操作使得半结构化数据变得有意义(如日志文件)。同时Pig可扩展使用Java中添加的自定义数据类型并支持数据转换。
•Hive在Hadoop中扮演数据仓库的角色。Hive添加数据的结构在HDFS(hive superimposesstructure on data in HDFS),并允许使用类似于SQL语法进行数据查询。与Pig一样,Hive的核心功能是可扩展的。
Pig和Hive总是令人困惑的。Hive更适合于数据仓库的任务,Hive主要用于静态的结构以及需要经常分析的工作。Hive与SQL相似促使 其成为Hadoop与其他BI工具结合的理想交集。Pig赋予开发人员在大数据集领域更多的灵活性,并允许开发简洁的脚本用于转换数据流以便嵌入到较大的应用程序。Pig相比Hive相对轻量,它主要的优势是相比于直接使用HadoopJava APIs可大幅削减代码量。正因为如此,Pig仍然是吸引大量的软件开发人员。
第2章 安装pig
2.1 下载pig
下载pig的最新版本:
http://www.apache.org/dyn/closer.cgi/pig
我下载的是pig-0.10.0.tar.gz
2.2 安装pig
解压缩
tar zxvf pig-0.10.0.tar.gz
进入目录
cd pig-0.10.0
注意,pig是hadoop的工具,所以不需要修改原hadoop的配置。
将pig加入到环境变量中:
输入
cd ~
进入到用户主目录
vi .bashrc
最下边加入环境变量的配置
保存然后执行
. .bashrc
输入 pig -help进行测试,如果设置成功,则出现如下界面
如果想获取pig的源码,可以使用svn下载
http://svn.apache.org/repos/asf/pig/trunk
2.3 配置hadoop
进入目录$PIG_HOME/conf
修改配置文件,在pig.properties中加入
fs.default.name=hdfs://localhost:9000
mapred.job.tracker=localhost:9001
指向本地伪分布式的hdfs和mapreduce
在本地运行pig
pig -x local
得到如下界面
和hadoop一起运行
直接输入pig或者pig -x mapreduce
有可能出现下面的错误
Cannot findhadoop configurations in classpath (neither hadoop-site.xml nor core-site.xmlwas found in the classpath).
需要配置~/.bashrc或者/etc/profile,建议配置.bashrc文件,加入
exportHADOOP_HOME=/home/hadoop/hadoop-1.0.3
exportPIG_CLASSPATH=$HADOOP_HOME/conf
配置完成后可正常进入
第3章 grunt shell
3.1基本命令
Quit 退出grunt
kill hadoopID 终止正在运行的hadoop进程
set debug on 打开debug级别
使用命令包括:
help,quit,kill jobid,set debug [on|off],set job.name‘jobname’
文件命令包括:
cat,cd,copyFromLocal,copyToLocal,cp,ls,mkdir,mv,pwd,rm,rmf,exec,run
3.2查询测试
到安装目录下找到/tutorial/data/excite-sall.log文件,数据分为3列,按制表符分隔,第一列为用户ID,第二列为Unix时间戳,第三列为查询记录。
输入如下语句:
grunt> log =LOAD 'tutorial/data/excite-small.log' AS (user,time,query);
将数据装载到一个称为log的别名中。
查询返回4个元组并显示:
grunt> lmt =LIMIT log 4;
grunt> DUMPlmt;
得到结果:
PIG中的读写操作:
LOAD
从文件装载数据到一个关系,LOAD的input文件路径为hadoop的文件系统的路径。
LIMIT
限制元组个数为n
DUMP
显示一个关系的内容,主要用于调试
STORE
将一个关系中的数据存储到一个目录中
输入执行:
grunt> log =LOAD '/home/lgstar888/hadoop/pig-0.10.0/tutorial/data/excite-small.log' AS(user:chararray,time:long,query:chararray);
grunt> grpd =GROUP log BY user;
grunt> cntd =FOREACH grpd GENERATE group,COUNT(log);
grunt> STOREcntd INTO 'output';
用于统计每个用户查询发起的个数
使用grunt> DESCRIBE log;
查看schema
log: {user:chararray,time: long,query: chararray}
pig中的诊断运算符:
DESCRIBE alias;
显示一个关系的schema
EXPLAIN
显示用于计算一个关系的执行计划
ILLUSTRATE alias
逐步显示数据如何被转换
AVG
求平均值
CONCAT
连接两个字符串
COUNT
计算一个包中的元组个数
DIFF
比较一个元组中的两个字段
MAX
计算在一个单列包中的最大值
MIN
计算在一个单列包中的最小值
SIZE
计算元素的个数
SUM
计算在一个单列包中的数值的总和
IsEmpty
检查一个包是否为空
更多的相关的使用与配置已整理到
hadoop pig相关推荐
- Hadoop:pig 安装及入门示例
pig是hadoop的一个子项目,用于简化MapReduce的开发工作,可以用更人性化的脚本方式分析数据. 一.安装 a) 下载 从官网http://pig.apache.org下载最新版本(目前是0 ...
- [db] hadoop pig
hadoop && pig Hadoop 最近需要用到hadoop操作,发现hadoop的官网真的良心的,没那么多废话,直接说明白怎么用,而且还是中文的,简单粗暴啊!!! hadoop ...
- Hadoop pig进阶语法
本文来自与作者阅读 Programming Pig 所做的笔记,转载请注明出处 http://www.cnblogs.com/siwei1988/archive/2012/08/06/2624912. ...
- Hadoop Pig学习笔记 各种SQL在PIG中实现
我这里以Mysql 5.1.x为例,Pig的版本是0.8 同时我将数据放在了两个文件,存放在/tmp/data_file_1和/tmp/data_file_2中.文件内容如下: tmp_file_1: ...
- Apache Hadoop Pig 源代码分析(2)
Pig的核心代码剥离出来后,我们可以慢慢深入到代码内部去了. 网上大多数源代码分析的文章,都是从几个核心类开始分析,画类图.流程图等等.现在让我们换个方式,像剥洋葱那样,从外围开始入手, 一步步深入到 ...
- Hadoop Pig 使用中碰到的问题与例子
在Hive中以默认的格式存储一个外部表(External),从Pig中读取,直接使用PigStorage()即可,rg.apache.pig.piggybank.storage.HiveColumna ...
- Hadoop 之Pig的安装的与配置之遇到的问题---待解决
1. 前提是hadoop集群已经配置完成并且可以正常启动:以下是我的配置方案: 首先配置vim /etc/hosts 192.168.1.64 xuegod64 192.168.1.65 xuegod ...
- Hadoop学习笔记—16.Pig框架学习
Hadoop学习笔记-16.Pig框架学习 一.关于Pig:别以为猪不能干活 1.1 Pig的简介 Pig是一个基于Hadoop的大规模数据分析平台,它提供的SQL-LIKE语言叫Pig Latin, ...
- ssis组件_使用SSIS Hadoop组件连接到Apache Hive和Apache Pig
ssis组件 In our previously published articles in this series, we talked about many SSIS Hadoop compone ...
最新文章
- phpMyAdmin操作之改管理员密码
- SVN用户验证,调错
- PHP学习笔记:php二手交易市场系统
- oracle unpivot 空值,sql – 处理UNPIVOT中的NULL值
- SecurityManager篇
- 在linux中安装adb和fastboot工具
- 安卓bin固件文件编辑器_摄像头恶意固件制作指南
- 软件设计模式学习笔记(八)
- 菜鸟学IT之Hadoop综合大作业
- Python Spider入门
- 贾扬清:把生命浪费在有意思的事情上
- win10 路由表配置
- 最大疯子树:树形DP优化:二次扫描+换根法(poj3585)
- 只谈链不谈币,区块链会发展成什么样的方向?
- 完整的连接器设计手册_深度解析特斯拉的电池快充连接器技术|附视频
- MUI、HTML5+、HBuilder实现透明渐变导航栏+自定义按钮(右上角分享按钮)
- android程序员周记,程序员实习周记100篇
- 西航计算机学院学生会,西安航空学院“计算机学院一家亲”主题破冰晚会顺利举...
- Abaqus启动报错 FlexNet Licensing error:-7,96
- 快速扫描局域网主机的方式