Pig入门操作

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/bin

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

假设HDFS根目录上的wlan文件每一行有10列记录

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; 可以查看结果

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; 查看结果

5.4 分组数据

C = GROUP B BY msisdn;

5.5 流量汇总

D = FOREACH C GENERATE group, SUM(B.t6), SUM(B.t7), SUM(B.t8), SUM(B.t9); group代表上一步分组的字段

5.6 存储到HDFS中

STORE D INTO '/wlan_result';

5.7 排序

E = ORDER D BY group;

dump E;