Hadoop之——Pig框架,hadooppig


转载请注明出处:http://blog.csdn.net/l1028386804/article/details/46491773

1.Pig是基于hadoop的一个数据处理的框架。

  MapReduce是使用java进行开发的,Pig有一套自己的数据处理语言,Pig的数据处理过程要转化为MR来运行。

2.Pig的数据处理语言是数据流方式的,类似于初中做的数学题。

3.Pig基本数据类型:int、long、float、double、chararry、bytearray

     复合数据类型:Map、Tuple、Bag  
     Bag的类型如{('age',31),('name','张三')}

4.如何安装Pig

4.1 把pig-0.11.1.tar.gz复制到/usr/local下
4.2 使用命令tar -zxvf  pig-0.11.1.tar.gz解压缩
4.3 使用命令mv pig-0.11.1  pig 进行重命名
4.4 编辑文件vi /etc/profile 设置环境变量
    export $PIG_HOME=/usr/local/pig
    export PATH =......$PIG_HOME/bin....
    保存,然后执行source  /etc/profile
4.5 编辑文件$PIG_HOME/conf/pig.properties

    增加两行如下内容

    fs.default.name=hdfs://hadoop0:9000
    mapred.job.tracker=hadoop0:9001

5.对wlan数据如何使用pig进行分析处理

5.1 把待处理的数据上传到HDFS中
5.2 把HDFS中的数据转换为pig可以处理的模式

    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;

5.3 把里面的有用的字段抽取出来

    B = FOREACH A GENERATE msisdn, t6, t7, t8, t9;   

   DUMP B;

5.4 分组数据

    C = GROUP B BY msisdn;   

   DUMP C;

5.5 流量汇总

    D = FOREACH C GENERATE     group, SUM(B.t6), SUM(B.t7), SUM(B.t8), SUM(B.t9);

   DUMP D;

5.6 存储到HDFS中

    STORE D INTO '/wlan_result';

5.7 排序

  E = ORDER D BY group;

 DUMP E;

相关内容