什么是Pig
Apache pig是用来处理大规模数据的高级查询语言,配合Hadoop使用,可以在处理海量数据时达到事半功倍的效果,比使用Java,C++等语言编写大规模数据处理程序的难度要小n倍,实现同样效果的代码量也小N倍。Twitter就是使用pig来处理海量数据,它的主要特点是:
易于编程
自动优化:它的编码方式允许系统自动优化执行过程,从而可以让用户专注于业务编程
可扩展性:可以轻松的编写自己定义函数
Pig的三种运行模式
Local模式
MapReduce模式
Tez
Pig的三种运行方式
交互式
批处理
嵌入式
什么是PIG Latin脚本语言
一个Pig Latin statement代表了一个操作
语句以;结尾
大小写敏感,但关键字不敏感的脚本语言
实战
数据转换
A=LOAD'/user/hive/warehouse/hive.db/hdfs_audit_text'
USING PigStorage(',')
AS(time:chararray,level:chararray,allowed:boolean,ugi:chararray,ip:chararray,cmd:chararray,src:chararray,dst:chararray,perm:chararray,proto:chararray);
B=FILTER A BY time is not null AND cmd is not null;
C=FOREACH B GENERATE
CONCAT(SUBSTRING(time,0,10),'T',SUBSTRING(time,11,19))
,level,allowed,ugi,ip,cmd,src,dst,perm,proto);
STORE C INTO '/tmp/pig_hdfs_audit_text' USING PigStorage(',');