《大数据与云计算》课件——13.pig简介.pptxVIP

;;Pig最早是雅虎公司的一个基于Hadoop的并行处理架构，后来Yahoo将Pig捐献给Apache（一个开源软件的基金组织）的一个项目，由Apache来负责维护，Pig是一个基于Hadoop的大规模数据分析平台，它提供的SQL-like语言叫PigLatin。;该语言的编译器会把类SQL的数据分析请求转换为一系列经过优化处理的MapReduce运算。Pig为复杂的海量数据并行计算提供了一个简易的操作和编程接口，这一点和非死book开源的Hive（一个以SQL方式，操作hadoop的一个开源框架）一样简洁，清晰，易上手！;;使用Pig来操作hadoop处理海量数据，是非常简单的，如果没有Pig，我们就得手写MapReduce代码，这可是一件非常繁琐的事，因为MapReduce的任务职责非常明确，清洗数据得一个job，处理得一个job，过滤得一个job，统计得一个job，排序得一个job，编写DAG(带先后顺序依赖的)作业很不方便。;这还可以接受，但是每次只要改动很小的一个地方，就得重新编译整个job，然后打成jar提交到Hadoop集群上运行，是非常繁琐的，调试还很困难，所以，在现在的大互联网公司或者是电商公司里，很少有纯写MapReduce来处理各种任务的，基本上都会使用一些工具或开源框架来操作。;随着，数据海啸的来临，传统的DB(Oracle、DB2)已经不能满足海量数据处理的需求，MapReduce逐渐成为了数据处理的事实标准，被应用到各行各业中。所以，我们不再期望所有的客户都能快速开发应用相关代码，只能把客户的工作变得简单，就像使用SQL语言，经过简单培训就可以“云”上操作。;Pig就是为了屏蔽MapReduce开发的繁琐细节，为用户提供PigLatin这样近SQL语言处理能力，让用户可以更方便地处理海量数据。Pig将SQL语句翻译成MR的作业的集合，并通过数据流的方式将其组合起来。;Pig是一个构建在Hadoop之上，用来处理大规模数据集的脚本语言平台。其设计思想来源于谷歌的Sawzall，最初由雅虎团队开发，并与2008年9月贡献给Apache。程序员或分析师只需要根据业务逻辑写好数据流脚本，Pig会将写好的数据流处理脚本翻译成多个HDFS、Map和Reduce操作。;Pig相当于一个Hadoop的客户端，它先连接到Hadoop集群，之后才能在集群上进行各种操作。Pig的基本框架如下图：;Pig包括两部分，一部分是用于描述数据流的语言，称为PigLatin；另一部分则是用于运行PigLatin程序的执行环境。PigLatin程序由一系列的operation和transformation组成，Pig内部解释器会将这些变换操作转换成一系列的HDFS操作和MapReduce作业，这些操作整体上描述了一个数据流。;当需要处理海量数据时，先用PigLatin语言编写PigLatin数据处理脚本，然后在Pig中执行PigLatin程序，Pig会自动将PigLatin脚本翻译成MapReduce作业，上传到集群，并启动执行。对用户来说，底层的MapReduce工作完全是透明的，用户只需要了解SQL-Like的PigLatin语法，就可以驱动强大的集群。;但Pig不适合所有的数据处理任务，和MapReduce一样，它是为数据批处理而设计的。如果只想查询大数据集中的一小部分数据，Pig的实现不会很好，因为它要扫描整个数据集或绝大部分数据。;2;PigLatin是Pig的专用语言，它是类似于SQL的面向数据流语言，这套脚本语言提供了对数据进行排序、过滤、求和、分组、关联等各种操作，此外，用户还可以自定义一些函数（User-DefinedFunctions，UDF），以满足某些特殊的数据处理要求。;PigLatin的数据类型

1、基本数据类型

和大部分程序语言类似，Pig的基本数据类型为int、long、float、double、chararray和bytearray。

;五、PigLatin运算符

;五、PigLatin运算符