Pig是Apache的一个开源项目，用于简化MapReduce的开发，实质Pig将转化为MapReduce作业，使开发人员更多专注数据而不是执行的本质，是不懂java人员的福利。

Pig由以下两部分组成：

1、表达数据流的语言，成为Pig Latin。

2、运行Pig Latin程序的执行环境。目前有两种环境：在单个JVM本地执行和在HADOOP集群上分步执行

废话不多说，实战起来：

和Apache其他项目一样，安装Pig都很简单，在/etc/profile文件中设置环境变量。

#set pig environment
export PIG_HOME=/usr/local/hadoop/pig
export PATH=$PATH:$PIG_HOME/bin

执行source /etc/profile 使新加入的环境变量生效 。

下面的命令验证是否成功：

pig -version
pig -x local

由于是本地模式故在命令行输入pig -x local 将启动Grunt,即Pig交互式shell

使用Pig实现MapReduce的开发的统计单词个数，如下脚本：

words = load ‘count.txt‘ using PigStorage(‘ ‘) as (line); --以空格作为分隔符把内容分词读入
grpd = group words by line;     --以每个单词聚类，真实的是一个MapReduce的Map阶段
cntd = foreach grpd generate group, COUNT(words); -- 这里既上一步Map完成紧接着Reduce阶段进行统计
dump cntd;  --直接在终端打印结果便于查看命名为count_pig.pig。

我们直接运行：

pig -x local count_pig.pig

结果：前面是单词，后面是计数

(555,1)
(Hello,2)
(World,2)

一、Pig支持注释的，注释方式:

1、一种是SQL的注释方式，如上面的--， --行后边的内容都会忽略

2、另一种是Java中的注释方式， /* 注释内容 */ ，它的注释可以一行也可以跨行

二、pig的运行模式：

   Pig 有两种运行模式：Local 模式和MapReduce 模式。当 Pig 在 Local 模式运行的时候， Pig 将只访问本地一台主机；当 Pig 在 MapReduce 模式运行的时候， Pig 将访问一个 Hadoop 集群和 HDFS 的安装位置。这时， Pig 将自动地对这个集群进行分配和回收。因为 Pig 系统可以自动地对 MapReduce 程序进行优化，所以当用户使用 Pig Latin 语言进行编程的时候，不必关心程序运行的效率， Pig 系统将会自动地对程序进行优化。这样能够大量节省用户编程的时间。

测试示例如下：

本地模式：pig -x local test.pig

MapReduce模式：pig test.pig（或者pig -x mapreduce test.pig,pig test.pig为其简写形式）

三、pig运行方式：

Pig 的 Local 模式和 MapReduce 模式都有三种运行方式，分别为：Grunt Shell 方式、脚本文件方式和嵌入式程序方式。下面我们将对其进行一一介绍。

1.Local 模式：

（ 1 ） Grunt Shell 方式

   用户使用 Grunt Shell 方式时，需要首先使用命令开启 Pig 的 Grunt Shell ，只需在Linux 终端中输入如下命令并执行即可：

   $pig –x local

     这样 Pig 将进入 Grunt Shell 的 Local 模式，如果直接输入“ $pig ”命令， Pig 将首先检测 Pig 的环境变量设置，然后进入相应的模式。如果没有设置 MapReduce 环

     境变量， Pig 将直接进入 Local 模式。

     Grunt Shell 和 Windows 中的 Dos 窗口非常类似，这里用户可以一条一条地输入命令对数据进行操作。

（ 2 ） 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，它实际上就是第一种运行方式中命令的集合，使用如下命令可以在本地模式下运行 Pig 脚本：

     $pig –x local script.pig

其中，“ script.pig ”是对应的 Pig 脚本，用户在这里需要正确指定 Pig 脚本的位置，否则，系统将不能识别。例如， Pig 脚本放在“ /root/pigTmp ”目录下，那

      么这里就要写成“ /root/pigTmp/script.pig ”。用户在使用的时候需要注意 Pig 给出的一些提示，充分利用这些能够帮助用户更好地使用 Pig 进行相关的操作。

（ 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。

$ java -cp pig-*.*.*-core.jar:. Local

2.MapReduce 模式

（1 ） Grunt Shell 方式

用户在 Linux 终端下输入如下命令进入 Grunt Shell 的 MapReduce 模式：

$pig –x mapreduce

（ 2 ） 脚本文件方式

  用户可以使用如下命令在 MapReduce 模式下运行 Pig 脚本文件。

$pig –x mapreduce script.pig

（3 ） 嵌入式程序

   和 Local 模式相同，在 MapReduce 模式下运行嵌入式程序同样需要经过编译和执行两个步骤。用户可以使用如下两条命令，完成相应的操作。

javac -cp pig-0.7.0-core.jar mapreduce.java

java -cp pig-0.7.0-core.jar:. mapreduce

本文出自 “人生转型ing” 博客，请务必保留此出处http://junsy.blog.51cto.com/3597934/1405430