Hadoop之Pig的配置与使用

一、Apache Pig  介绍

Pig 是 Apache 基金会的一个项目，它是一个大型数据集分析的平台，使用过
MapReduce 的程序员都知道，面对复杂的数据集常常需要编写多个 MapReduce
过程方能达到目的。Pig 正是为了解决这个问题而产生的，它包括两个部分：
   *Pig Latin：描述数据流的文本语言；
   *运行 Pig Latin 程序的执行环境：产生 MapReduce 程序的编译器。
Pig 具有三个特性：
（1）易编程。Pig Latin 程序由一系列的“操作”或“变换”构成，实际上通过“操
作”将 MapRecude 程序变成数据流，使得实现简单的和并行要求高的数据分析任
务变得非常容易，在它所提供的 Pig Latin 控制台上，可以用几行 Pig Latin 代码轻
松完成 TB 级的数据集处理任务。
（2）自动优化。系统会对编写的 Pig Latin 代码自动进行优化，程序员就可以
省去优化过程，不必关心效率问题，将大量的时间专注与分析语义方面。
（3）扩展性好。程序员可以按照自己的需求编写自定义函数。其载入（load）、
存储(store)、过滤(filter)、连接(join)过程均可定制。

二、Pig  的安装

（1）解压

[root@master hadoop]# tar -zxvf pig-0.13.0.tar.gz

（2）配置环境变量

[root@master hadoop]# vim /etc/profileexport PIG_HOME=/home/hadoop/pig-0.13.0export PATH=$PIG_HOME/bin:$PATHexport PIG_CLASSPATH=$HADOOP_HOME/conf

[root@master hadoop]# source /etc/profile

（3）验证

[root@master hadoop]# pig help18/06/10 08:16:24 INFO pig.ExecTypeProvider: Trying ExecType : LOCAL18/06/10 08:16:24 INFO pig.ExecTypeProvider: Trying ExecType : MAPREDUCE18/06/10 08:16:24 INFO pig.ExecTypeProvider: Picked MAPREDUCE as the ExecType2018-06-10 08:16:24,416 [main] INFO  org.apache.pig.Main - Apache Pig version 0.13.0 (r1606446) compiled Jun 29 2014, 02:27:582018-06-10 08:16:24,416 [main] INFO  org.apache.pig.Main - Logging error messages to: /home/hadoop/pig_1528632984415.log2018-06-10 08:16:24,761 [main] WARN  org.apache.hadoop.util.NativeCodeLoader - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable2018-06-10 08:16:25,247 [main] ERROR org.apache.pig.Main - ERROR 2997: Encountered IOException. File help does not exist
Details at logfile: /home/hadoop/pig_1528632984415.log[root@master hadoop]#

三、运行Pig

Pig 有两种运行模式：Local 模式和 MapReduce 模式。Local 模式只能访问本地
系统文件，一般用于处理小规模的数据集，不需要 Hadoop 集群环境的支持。
MapReduce 模式运行于 Hadoop 集群环境上，Pig 将 Pig Latin 程序编译为
MapReduce 作业执行。Pig 程序的运行由三种方法：脚本文件、Grunt Shell 和程
序嵌入式。这三种方法均适用于 Local 模式和 MapReduce 模式，在 Local 模式与
MapReduce 模式下的执行几乎一样，只需说明采用的模式就行。

（1）Local 模式

数据下载地址：http://download.csdn.net/detail/xiangchengguan/7567759

Grunt Shell

[root@master hadoop]# pig -x local18/06/10 08:24:42 INFO pig.ExecTypeProvider: Trying ExecType : LOCAL18/06/10 08:24:42 INFO pig.ExecTypeProvider: Picked LOCAL as the ExecType2018-06-10 08:24:42,632 [main] INFO  org.apache.pig.Main - Apache Pig version 0.13.0 (r1606446) compiled Jun 29 2014, 02:27:582018-06-10 08:24:42,632 [main] INFO  org.apache.pig.Main - Logging error messages to: /home/hadoop/pig_1528633482631.log2018-06-10 08:24:42,683 [main] INFO  org.apache.pig.impl.util.Utils - Default bootup file /root/.pigbootup not found2018-06-10 08:24:42,929 [main] INFO  org.apache.hadoop.conf.Configuration.deprecation - fs.default.name is deprecated. Instead, use fs.defaultFS2018-06-10 08:24:42,929 [main] INFO  org.apache.hadoop.conf.Configuration.deprecation - mapred.job.tracker is deprecated. Instead, use mapreduce.jobtracker.address2018-06-10 08:24:42,931 [main] INFO  org.apache.pig.backend.hadoop.executionengine.HExecutionEngine - Connecting to hadoop file system at: file:///2018-06-10 08:24:43,565 [main] WARN  org.apache.hadoop.util.NativeCodeLoader - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable2018-06-10 08:24:43,693 [main] INFO  org.apache.hadoop.conf.Configuration.deprecation - io.bytes.per.checksum is deprecated. Instead, use dfs.bytes-per-checksum2018-06-10 08:24:43,696 [main] INFO  org.apache.hadoop.conf.Configuration.deprecation - fs.default.name is deprecated. Instead, use fs.defaultFS
grunt> 
grunt> ls
hdfs://master:9000/user/root/input  <dir>hdfs://master:9000/user/root/output <dir>grunt> A = LOAD '/user/root/input/data.txt' USING PigStorage(' ') AS (ip:chararray);
grunt> B = FOREACH(GROUP A BY ip) GENERATE group AS ip,COUNT(A) AS clickes;
grunt> dump B //要跑一段时间，需要等一下，还有堆警告进程提示，别管他(1.207.63.200,9)
(14.29.127.77,32)
(1.204.253.188,18)
(119.0.231.104,33)
(182.118.49.47,4)
(101.199.108.58,4)
(218.201.249.196,9)

grunt> C = ORDER B BY clickes DESC;
grunt> D = LIMIT C 3;
grunt> DUMP;   //要跑一段时间，需要等一下，还有堆警告进程提示，没有错误就不要管(119.0.231.104,33)
(14.29.127.77,32)
(1.204.253.188,18)

（2）脚本文件
脚本文件实质上是pig命令的批处理文件。
我们给出的script.pig文件包含以下内容：

A = LOAD '/user/root/input/data.txt' USING PigStorage(' ') AS (ip:chararray);
B = FOREACH(GROUP A BY ip) GENERATE group AS ip,COUNT(A) AS clickes;
dump B;
store B into '/root/Desktop/result.txt';      //将B的内容输出到本地文件中，/root/Desktop/result.txt存在要先删除，不然执行会报错。

然后通过执行pig -x local script.pig即可。
结果截图

mapreduce模式

这是pig的默认模式，在终端如果只输入pig就会以mapreduce运行

[root@master hadoop]# pig18/06/10 08:35:34 INFO pig.ExecTypeProvider: Trying ExecType : LOCAL18/06/10 08:35:34 INFO pig.ExecTypeProvider: Trying ExecType : MAPREDUCE18/06/10 08:35:34 INFO pig.ExecTypeProvider: Picked MAPREDUCE as the ExecType2018-06-10 08:35:34,506 [main] INFO  org.apache.pig.Main - Apache Pig version 0.13.0 (r1606446) compiled Jun 29 2014, 02:27:582018-06-10 08:35:34,506 [main] INFO  org.apache.pig.Main - Logging error messages to: /home/hadoop/pig_1528634134505.log2018-06-10 08:35:34,548 [main] INFO  org.apache.pig.impl.util.Utils - Default bootup file /root/.pigbootup not found2018-06-10 08:35:34,789 [main] INFO  org.apache.hadoop.conf.Configuration.deprecation - mapred.job.tracker is deprecated. Instead, use mapreduce.jobtracker.address2018-06-10 08:35:34,789 [main] INFO  org.apache.hadoop.conf.Configuration.deprecation - fs.default.name is deprecated. Instead, use fs.defaultFS2018-06-10 08:35:34,789 [main] INFO  org.apache.pig.backend.hadoop.executionengine.HExecutionEngine - Connecting to hadoop file system at: hdfs://master:90002018-06-10 08:35:35,175 [main] WARN  org.apache.hadoop.util.NativeCodeLoader - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable2018-06-10 08:35:36,034 [main] INFO  org.apache.hadoop.conf.Configuration.deprecation - fs.default.name is deprecated. Instead, use fs.defaultFSgrunt>

其他操作和Local 模式一样。

原文出处