【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 腳本語言。MapReducer 的一個(gè)主要的 缺點(diǎn) 就是開發(fā)的 周期太長 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

# 測試

pig -version

pig安裝測試.png

【pig案例】計(jì)算用戶的總通訊流量

源測試數(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.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

【8】WC案例詳解圖

WC案例詳解.png

總結(jié)

以上是生活随笔為你收集整理的pig java api_Pig安装及入门案例的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。