Hadoop-Pig介绍

Hadoop-Pig常用函数介绍

1.Pig简介：

Pig在这个地方并不是指“猪”(我也不知道这个开发者的命名是什么想法)，是指的一种数据处理工具，常用于配合Hadoop使用，用于处理大数据的分析与处理(数据批处理)。
因为Pig有一套专属的语法(与MySQL类似)，所以相比于MapReduce来说，更适合做一些复杂度不高的数据筛选处理工作，只需要简单几行命令就可以获得可能几百行MapReduce代码带来的收益。

2.Pig表达式

类别	描述	示例
常数	就类似于编程语言中的常量(字符串，整数等等)	“abc”, 1, 1.5
属性(名字指定)	取一个集合的属性(类似取MySQL数据某一行的某一个字段)	.name
属性(位置指定)	取一个集合的属性(按照顺序取某一行)	.$1
属性(消除歧义)	在JOIN之后属性可能会有歧义，使用该方式取属性	::name
类型转换	强制类型转换	float(“1.22”)
算术	数学运算	x+y,x-y,x*y,x/y,x%y
三木运算符	参考编程语言三目运算符	(x == 1)?x:0
比对	逻辑比较符号	==,!=,>,<,>=,<=,matches,is,is not
逻辑连接	参考MySQL的逻辑连接	AND OR NOT

3.Pig数据类型

类别	类型	描述	示例
数值	int	32位有符号整数	1
数值	long	64位有符号证书	1L
数值	float	32位浮点数	1.0F
数值	double	64位浮点数	1.0
字符串	chararray	UTF-16格式字符串	“abcdefg”
二进制流	bytearray	字符数组
结构类型	tuple	参考MySQL的一行数据(元组)	(1, 2, “abc”)
结构类型	bag	参考MySQL的多行数据	{(1,2),(3,4)}
结构类型	map	类似json(键必须是字符串)	[‘xingming’#’luoxuan’]

4.Pig常用函数

数据准备：
test_input 内容如下(各字段之间默认以\t分割):

luoxuan     170     150
gongmengnan     160     130
chenxiaolong     165     150
luoxuan     175     150

test_score内容如下(各字段之间默认以\t分割):

luoxuan 100     100     90
gongmengnan     40      50      80
chenxiaolong    80      80      70

4.1加载函数

LOAD AS : 加载数据并按照格式进行封装，传递值到变量中
Exp:

A = LOAD 'test_input' AS (name: chararray, height: int, weight: double);

4.2输出函数

4.2.1 DUMP:

输出变量内容
Exp:

DUMP A;

结果如下：

(luoxuan, 170, 150)
(gongmengnan, 160, 130)
(chenxiaolong, 165, 150)
(luoxuan, 175, 150)

4.2.2 STORE INTO:

将内容输出到文件里面
Exp:

STORE C INTO 'output';

4.2.3 DESCRIBE:

查看变量数据结构
Exp:

DESCRIBE A;

A: {
   name: chararray,height: int,weight: int}

4.2.4 ILLUSTRATE:

查看示例(随机选取一条记录进行查看)
Exp:

ILLUSTRATE A;

A	name:chararray	height:int	weight:int
	gongmengnan	160	130

pig会在当前目录下新建output(必须之前不存在)文件夹，把结果放到文件夹下面

4.3数组操作函数

4.3.1 FOREACH GENERATE:

遍历数组每一项并获取对应字段(类似select a, b, c from table)
Exp：

FOREACH A GENERATE name;

luoxuan
gongmengnan
chenxiaolong
luoxuan

4.3.2 JOIN：

连接两个包数据(参考MySQL INNER JOIN，必须数据类型相同才能作为连接的字段)
Exp:

A = LOAD '/user/hadoop/test_pig_data/test_input' AS (name:chararray, height:int, weight:int);
B = LOAD