Pig的安装和简单使用

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、chararray、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(在hadoop0上安装)
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 (见/usr/local/hadoop/conf/core-site.xml)
　　　　mapred.job.tracker=hadoop0:9001 (见/usr/local/hadoop/conf/mapred-site.xml)

5.对wlan数据(手机上网日志)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
　　　　hadoop fs -put HTTP.dat /wlan
5.2 把HDFS中的数据转换为pig可以处理的模式（执行pig命令，就进入到pig命令行模式下）
　　　　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; ----查看

　　　　　

 

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); -----group代表第一列手机号码的字段(汇总出同一个手机号码的流量)
　　　　DUMP D;

　　　　

 

5.6 存储到HDFS中
　　　　STORE D INTO '/wlan_result';
　　　　查看HDFS：
　　　　　　hadoop fs -lsr /
　　　　　　hadoop fs -text /wlan_result/part-r-*

　　　　　　

 

还可以排序：
　　E = ORDER D BY group;
　　DUMP E;