Pig安裝及入門案例

【前言】
相比Java的MapReduce api，Pig為大型數(shù)據(jù)集的處理提供了更高層次的抽象，與MapReduce相比，Pig提供了更豐富的數(shù)據(jù)結(jié)構(gòu)，一般都是多值和嵌套的數(shù)據(jù)結(jié)構(gòu)。Pig還提供了一套更強(qiáng)大的數(shù)據(jù)變換操作，包括在MapReduce中被忽視的連接Join操作。 Pig 是一種探索大規(guī)模數(shù)據(jù)集的 腳本語(yǔ)言。MapReducer 的一個(gè)主要的 缺點(diǎn) 就是開發(fā)的 周期太長(zhǎng) 了。Pig相比效率更高，而pig的執(zhí)行實(shí)際還是mr的運(yùn)行。

Pig是基于hadoop的一個(gè)數(shù)據(jù)處理的框架。
MapReduce是使用java進(jìn)行開發(fā)的，Pig有一套自己的數(shù)據(jù)處理語(yǔ)言，Pig的數(shù)據(jù)處理過程要轉(zhuǎn)化為MR來運(yùn)行。

【Pig的安裝】

pig是基于hadoop運(yùn)行的，所以在安裝pig之前要確保有hadoop環(huán)境并啟動(dòng)運(yùn)行hadoop；
pig的數(shù)據(jù)源和輸出遠(yuǎn)均為hdfs
pig的計(jì)算運(yùn)行實(shí)際運(yùn)行的mr

資源包地址：http://pan.baidu.com/s/1o6IDfhK

#解壓縮
tar -xzvf  pig-0.11.1.tar.gz

#復(fù)制重命名
mv  pig-0.11.1  /usr/local
mv  pig-0.11.1 pig

#home配置
vim /etc/profile
export  PIG_HOME = /usr/local/pig
export PATH =......$PIG_HOME/bin....
source /etc/profile

#修改配置文件
vim $PIG_HOME/conf/pig.properties
fs.default.name=hdfs://hadoop:9000        # 是hadoop的 core-site.xml  中的配置
mapred.job.tracker=hadoop:9001      #是hadoop的 mapred-site.xml  中的配置

# 測(cè)試
pig -version
pig安裝測(cè)試.png

【pig案例】計(jì)算用戶的總通訊流量
源測(cè)試數(shù)據(jù)：tel.txt

1363157985066   13726230503 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com        24  27  2481    24681   200
1363157995052   13826544101 5C-0E-8B-C7-F1-E0:CMCC  120.197.40.4            4   0   264 0   200
1363157991076   13926435656 20-10-7A-28-CC-0A:CMCC  120.196.100.99          2   4   132 1512    200
1363154400022   13926251106 5C-0E-8B-8B-B1-50:CMCC  120.197.40.4            4   0   240 0   200
1363157993044   18211575961 94-71-AC-CD-E6-18:CMCC-EASY 120.196.100.99  iface.qiyi.com  視頻網(wǎng)站    15  12  1527    2106    200
1363157995074   84138413    5C-0E-8B-8C-E8-20:7DaysInn  120.197.40.4    122.72.52.12        20  16  4116    1432    200
1363157993055   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          18  15  1116    954 200
1363157995033   15920133257 5C-0E-8B-C7-BA-20:CMCC  120.197.40.4    sug.so.#   信息安全    20  20  3156    2936    200
1363157983019   13719199419 68-A1-B7-03-07-B1:CMCC-EASY 120.196.100.82          4   0   240 0   200
1363157984041   13660577991 5C-0E-8B-92-5C-20:CMCC-EASY 120.197.40.4    s19.#    站點(diǎn)統(tǒng)計(jì)    24  9   6960    690 200
1363157973098   15013685858 5C-0E-8B-C7-F7-90:CMCC  120.197.40.4    rank.ie.sogou.com   搜索引擎    28  27  3659    3538    200
1363157986029   15989002119 E8-99-C4-4E-93-E0:CMCC-EASY 120.196.100.99  www.umeng.com   站點(diǎn)統(tǒng)計(jì)    3   3   1938    180 200
1363157992093   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          15  9   918 4938    200
1363157986041   13480253104 5C-0E-8B-C7-FC-80:CMCC-EASY 120.197.40.4            3   3   180 180 200
1363157984040   13602846565 5C-0E-8B-8B-B6-00:CMCC  120.197.40.4    2052.flash2-http.qq.com 綜合門戶    15  12  1938    2910    200
1363157995093   13922314466 00-FD-07-A2-EC-BA:CMCC  120.196.100.82  img.qfc.cn      12  12  3008    3720    200
1363157982040   13502468823 5C-0A-5B-6A-0B-D4:CMCC-EASY 120.196.100.99  y0.ifengimg.com 綜合門戶    57  102 7335    110349  200
1363157986072   18320173382 84-25-DB-4F-10-1A:CMCC-EASY 120.196.100.99  input.shouji.sogou.com  搜索引擎    21  18  9531    2412    200
1363157990043   13925057413 00-1F-64-E1-E6-9A:CMCC  120.196.100.55  t3.baidu.com    搜索引擎    69  63  11058   48243   200
1363157988072   13760778710 00-FD-07-A4-7B-08:CMCC  120.196.100.82          2   2   120 120 200
1363157985066   13726238888 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com        24  27  2481    24681   200
1363157993055   13560436666 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          18  15  1116    954 200

下面用pig對(duì)此數(shù)據(jù)進(jìn)行業(yè)務(wù)分析

以下是操作流程

5.對(duì)tel.txt數(shù)據(jù)如何使用pig進(jìn)行分析處理
5.1 把待處理的數(shù)據(jù)上傳到HDFS中
5.2 把HDFS中的數(shù)據(jù)轉(zhuǎn)換為pig可以處理的模式
    A = LOAD '/wlan' AS (t0:long, msisdn:chararray, t2:chararray, t3:chararray, t4:chararray, t5:chararray, t6:long, t7:long, t8:long, t9:long, t10:chararray);
    DUMP A 查看
5.3 把里面的有用的字段抽取出來
    B = FOREACH A GENERATE msisdn, t6, t7, t8, t9;  
    DUMP B 查看
5.4 分組數(shù)據(jù)
    C = GROUP B BY msisdn;  
5.5 流量匯總
    D = FOREACH C GENERATE  group, SUM(B.t6), SUM(B.t7), SUM(B.t8), SUM(B.t9);
5.6 存儲(chǔ)到HDFS中
    STORE D INTO '/wlan_result';

【1】上傳tex.txt到hdfs的/pigData上

hadoop fs -mkdir /pigData
hadoop fs -put /tel.txt  /pigData
2017-02-14_102702.png

【2】把HDFS中的數(shù)據(jù)轉(zhuǎn)換為pig可以處理的模式

 A = LOAD '/pigData/tel.txt' AS (t0:long, msisdn:chararray, t2:chararray, t3:chararray, t4:chararray, t5:chararray, t6:long, t7:long, t8:long, t9:long, t10:chararray);
#其中類型要與源數(shù)據(jù)對(duì)應(yīng)，pig中沒有string類型，取代之的是chararray

#查看A
DEMP A
DUMP A 部分?jǐn)?shù)據(jù).png

【3】抽取有用的數(shù)據(jù)

#只獲取有用的列值
#獲取A中的msisdn, t6, t7, t8, t9幾列賦值給B
B = FOREACH A GENERATE msisdn, t6, t7, t8, t9;

#查看 
DUMP B
抽取有用的數(shù)據(jù)結(jié)果.png

【4】分組數(shù)據(jù)

#將B的數(shù)據(jù)按照msisdn列分組并賦值給C
C = GROUP B BY msisdn;

#查看
DUMP C
分組后的結(jié)果.png

【5】流量匯總

#計(jì)算流量綜合
D = FOREACH C GENERATE  group, SUM(B.t6), SUM(B.t7), SUM(B.t8), SUM(B.t9);

#查看D
DUMP D
匯總結(jié)果.png

【6】將計(jì)算數(shù)據(jù)存入hdfs

#將最后的D匯總存入hdfs的/pigData/tel_result目錄下
STORE D INTO '/pigData/tel_result';

【7】查看結(jié)果

hdfs數(shù)據(jù)內(nèi)容.png

pig數(shù)據(jù)類型等：http://blackproof.iteye.com/blog/1791980

【8】WC案例詳解圖

WC案例詳解.png

https://www.cnblogs.com/edisonchou/p/4413347.html

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容