Pig安装与部署

什么是Pig?

Pig是一种数据流语言和运行环境，常用于检索和分析数据量较大的数据集。Pig包括两部分：一是用于描述数据流的语言，称为Pig Latin；二是用于运行Pig Latin程序的执行环境。

Pig与Hive的区别？

Pig与Hive作为一种高级数据语言，均运行于HDFS之上，是hadoop上层的衍生架构，用于简化hadoop任务，并对MapReduce进行一个更高层次的封装。Pig与Hive的区别如下：

1、Pig是一种面向过程的数据流语言；Hive是一种数据仓库语言，并提供了完整的sql查询功能。

2、Pig更轻量级，执行效率更快，适用于实时分析；Hive适用于离线数据分析。

3、Hive查询语言为Hql，支持分区；Pig查询语言为Pig Latin，不支持分区。

4、Hive支持JDBC/ODBC；Pig不支持JDBC/ODBC。

5、Pig适用于半结构化数据(如：日志文件)；Hive适用于结构化数据。

Pig 有两种运行模式：
Local 模式：Pig 运行于 Local 模式，只涉及到单独的一台计算机
MapReduce 模式：Pig 运行于 MapReduce 模式，需要能访问一个 Hadoop 集群，并且需要装上 HDFS

Pig 的调用机制：
Grunt shell 方式：通过交互的方式，输入命令执行任务。
Pig script 方式：通过 script 脚本的方式来运行任务。
嵌入式方式：嵌入 java 源代码中，通过 java 调用来运行任务。

一、安装Pig（前提已经启动Hadoop）

wgat http://archive.apache.org/dist/pig/pig-0.17.0/pig-0.17.0.tar.gz   #下载

tar -zxvf pig-0.15.0.tar.gz    #解压

二、 部署Pig

设置环境变量

vim /etc/profile

export PIG_HOME=/soft/pig
export PATH=$PIG_HOME/bin

修改完成后，我们输入以下命令激活我们修改的环境变量

source /etc/profile

pig -version    # 激活后就可以查看到我们的版本号

 

 

 三、运行

Local 模式

本地运行模式下，Pig运行在单个JVM中，访问本地文件系统，该模式用于测试或处理小规模数据集。

pig -x local

运行机制

（1） Grunt Shell 方式

Grunt Shell方式Grunt Shell和Windows中的DOS窗口非常类似，在这里用户可以一条一条地输入命令对数据进行操作，我们来简单的读一个文件，启动命令如下所示。

a = load '/root/test/student.txt' using PigStorage(':');
dump a ;

查看我们读取的数据

 

 

 

（2）脚本文件

脚本文件方式使用脚本文件作为批处理作业来运行Pig命令，它实际上是第一种运行方式中命令的集合，使用如下命令可以运行Pig脚本。

test.pig 脚本内容如下

pig -x local /root/test/test.pig

（3）嵌入式程序方式

我们可以把 Pig 命令嵌入到主机语言中，并且运行这个嵌入式程序。和运行普通的 Java 程序相同，这里需要书写特定的 Java 程序，并且将其编译生成对应的 class 文件或 package 包，然后再调用 main 函数运行程序。用户可以使用下面的命令对 Java 源文件进行编译：

$javac -cp pig-*.*.*-core.jar local.java

这里“ pig-*.*.*-core.jar ”放在 Pig 安装目录下，“ local.java ”为用户编写的 java 源文件，并且“ pig-*.*.*-core.jar ”和“ local.java ”需要用户正确地指定相应的位置。例如，我们的“ pig-*.*.*-core.jar ”文件放在“ /root/hadoop-0.20.2/ ”目录下，“ local.java ”文件放在“ /root/pigTmp ”目录下，所以这一条命令我们应该写成：$javac -cp /root/hadoop-0.20.2/ pig- 0 . 20 . 2 -core.jar /root/pigTmp/ local.java当编译完成后， Java 会生成“ local.class ”文件，然后用户可以通过如下命令调用执行此文件。

 

MapReduce 模式

在MapReduce运行模式下，Pig访问HDFS，并将查询翻译为MapReduce任务提交到Hadoop集群中进行处理。

需要我们将文件上传至HDFS，在HDFS上创建一个input目录并将数据上传

与Local模式相同