Pig安装及入门案例

2019年6月8日 202次阅读 来源: 先生_吕

【前言】
相比Java的MapReduce api，Pig为大型数据集的处理提供了更高层次的抽象，与MapReduce相比，Pig提供了更丰富的数据结构，一般都是多值和嵌套的数据结构。Pig还提供了一套更强大的数据变换操作，包括在MapReduce中被忽视的连接Join操作。 Pig 是一种探索大规模数据集的 脚本语言。MapReducer 的一个主要的 缺点 就是开发的 周期太长 了。Pig相比效率更高，而pig的执行实际还是mr的运行。

Pig是基于hadoop的一个数据处理的框架。
MapReduce是使用java进行开发的，Pig有一套自己的数据处理语言，Pig的数据处理过程要转化为MR来运行。

【Pig的安装】

pig是基于hadoop运行的，所以在安装pig之前要确保有hadoop环境并启动运行hadoop；
pig的数据源和输出远均为hdfs
pig的计算运行实际运行的mr

资源包地址：http://pan.baidu.com/s/1o6IDfhK

#解压缩
tar -xzvf  pig-0.11.1.tar.gz

#复制重命名
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

# 测试
pig -version

《Pig安装及入门案例》 pig安装测试.png

【pig案例】计算用户的总通讯流量
源测试数据：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  视频网站    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.360.cn   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.cnzz.com    站点统计    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   站点统计    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 综合门户    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 综合门户    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对此数据进行业务分析

以下是操作流程

5.对tel.txt数据如何使用pig进行分析处理
5.1 把待处理的数据上传到HDFS中
5.2 把HDFS中的数据转换为pig可以处理的模式
    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来
    B = FOREACH A GENERATE msisdn, t6, t7, t8, t9;  
    DUMP B 查看
5.4 分组数据
    C = GROUP B BY msisdn;  
5.5 流量汇总
    D = FOREACH C GENERATE  group, SUM(B.t6), SUM(B.t7), SUM(B.t8), SUM(B.t9);
5.6 存储到HDFS中
    STORE D INTO '/wlan_result';

【1】上传tex.txt到hdfs的/pigData上

hadoop fs -mkdir /pigData
hadoop fs -put /tel.txt  /pigData

《Pig安装及入门案例》 2017-02-14_102702.png

【2】把HDFS中的数据转换为pig可以处理的模式

 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);
#其中类型要与源数据对应，pig中没有string类型，取代之的是chararray

#查看A
DEMP A

《Pig安装及入门案例》 DUMP A 部分数据.png

【3】抽取有用的数据

#只获取有用的列值
#获取A中的msisdn, t6, t7, t8, t9几列赋值给B
B = FOREACH A GENERATE msisdn, t6, t7, t8, t9;

#查看 
DUMP B

《Pig安装及入门案例》 抽取有用的数据结果.png

【4】分组数据

#将B的数据按照msisdn列分组并赋值给C
C = GROUP B BY msisdn;

#查看
DUMP C

《Pig安装及入门案例》 分组后的结果.png

【5】流量汇总

#计算流量综合
D = FOREACH C GENERATE  group, SUM(B.t6), SUM(B.t7), SUM(B.t8), SUM(B.t9);

#查看D
DUMP D

《Pig安装及入门案例》 汇总结果.png

【6】将计算数据存入hdfs

#将最后的D汇总存入hdfs的/pigData/tel_result目录下
STORE D INTO '/pigData/tel_result';

《Pig安装及入门案例》

【7】查看结果

《Pig安装及入门案例》 hdfs数据内容.png

pig数据类型等：http://blackproof.iteye.com/blog/1791980

【8】WC案例详解图

《Pig安装及入门案例》 WC案例详解.png

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

    原文作者：先生_吕
    原文地址: https://www.jianshu.com/p/cdf2cf1b3e0d
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞