文档章节

Pig安装及本地模式测试,体验

震秦
 震秦
发布于 2013/04/14 22:16
字数 1459
阅读 3803
收藏 44

Pig是Apache的一个开源项目,用于简化MapReduce的开发。研究了一段时间,略有心得。系废话不多说,我们直接步入实际测试。

 Pig的运行有两种模式,本地单击模式和集群模式。我目前只是测试学习,是为了检验Pig的运行流程以及学习语法,没必要使用分布式模式,分布式模式下也都是大同小异的。 

我的环境: 

   1. 系统: Ubuntu 12.04 64位 

   2. JDK:Oracle JDK1.7.0_15 

   3. Pig:0.9.2 

和Apache其他项目一样,安装Pig都很简单,解压到系统任意目录,设置环境变量就能使用。

export PIG_HOME=path
export PATH=$PATH:$PIG_HOME/bin

设置环境变量后注销后登录或者打开终端输入:source /etc/profile 使新加入的环境变量生效 最后在终端中输入:pig -version,正常应该出现如下字样

Warning: $HADOOP_HOME is deprecated.

Apache Pig version 0.9.2 (r1232772) 
compiled Jan 18 2012, 07:57:19
到这里Pig的安装算是成功了。(当然如果不成功检查你的JDK安装及环境变量是否正确) 现在你可以输入:

pig -x local
进入一个外壳程序。


学习Hadoop一般的入门都是Oreilly的《《Hadoop权威指南》》中文版,其中测试MapReduce的第一个程序就是统计一个文本文件中单词出现的次数。Pig是为了简化MapReduce开发的,肯定也是能实现这个的。我以这个为例,写一个测试的例子。 

我准备了一个文件,文件名为:nie.txt 里边是一片普通的英文文章,比较长,大约52KB。 

我在自己的home下建立了一个workspace的文件夹,我是把它当作开始目录的。(为什么说这个?因为Pig Load数据的时候相对路径的起始文件路径很重要,搞错了就会出现文件找不到的错误。我开始就犯了这个错误) 

nie.txt文件的路径为: ~/workspace/nie.txt 而我进入Pig外壳程序的起始路径是:~/workspace/ 下面是我的Pig脚本:

words = load 'nie.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
把它保存到workspace命名为test1.txt。我们直接运行

pig -x local test1.pig
大约10多秒中经过大量的输出,最终会得到结果。

(So,1)
(We,1)
(as,7)
(at,1)
(be,3)
(he,2)
(if,1)
(in,12)
(is,10)
(it,9)
(no,2)
(of,21)
(on,3)
(or,1)
(so,1)
(to,11)
(us,2)
(we,1)
前面是单词,后面是计数。当然我的结果很长,已经冲出终端了。

OK,我们的第一个例子已经完美的运行了。下面我解释一下代码。

如上所见,Pig也支持注释的,他的注释方式有2中,

一种是SQL的注释方式,如上面的--, --行后边的内容都会忽略

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(Java的程序员是不是很友好?)。

另外Pig Latin[忘了介绍了,Pig的脚本有专业的名字,叫Pig Latin,不知道神码意思]也是用;[分号]换行的,一条语句可以写在一行也可以多行。Pig在运行前会检查Pig Latin,并且对Pig Latin进行编译,用以确定程序逻辑和分析MapReduce。

如果程序有简单逻辑错误,运行前都不会编译通过。如我写的时候把group words by line中的line意识的写成了word,运行时出现了:

2013-04-13 22:21:12,619 [main] INFO  org.apache.pig.Main - Logging error messages to: /home/zhenqin/workspace/pig_1365862872616.log
2013-04-13 22:21:12,713 [main] INFO  org.apache.pig.backend.hadoop.executionengine.HExecutionEngine - Connecting to hadoop file system at: file:///
2013-04-13 22:21:13,225 [main] ERROR org.apache.pig.tools.grunt.Grunt - ERROR 1025: 
 Invalid field projection. Projected field [word] does not exist in schema: line:bytearray.
Details at logfile: /home/zhenqin/workspace/pig_1365862872616.log
提示没有定义word, 错误是不是也很友好? 哈哈。。。

下面我解释一下我出现过的问题。我在起初测试时进入Pig时不是从workspace进入的,我是从pighome,以bin/pig运行的,而我的统计文件存储在 ~/workspace/下,尽管我在Pig Latin脚本中使用了 load ‘/home/zhenqin/workspace/’或者 load ‘file:///home/zhenqin/workspace/’ 都报错,无法找到文件。为此我纠结了很长时间。

原来Pig的外壳程序Grunt也是有当前路径的。因此可以使用cd 跳转当前路径。

如我从pighome下进入Grunt,执行ls命令出现如下:

grunt> ls
file:/opt/pig-0.9.2/testfile:/opt/pig-0.9.2/tutorialfile:/opt/pig-0.9.2/libfile:/opt/pig-0.9.2/ivyfile:/opt/pig-0.9.2/CHANGES.txt87506
file:/opt/pig-0.9.2/RELEASE_NOTES.txt2224
file:/opt/pig-0.9.2/LICENSE.txt11358
file:/opt/pig-0.9.2/conffile:/opt/pig-0.9.2/licensefile:/opt/pig-0.9.2/NOTICE.txt2120
file:/opt/pig-0.9.2/binfile:/opt/pig-0.9.2/build.xml77427
file:/opt/pig-0.9.2/pig-0.9.2.jar17585882
file:/opt/pig-0.9.2/README.txt1307
file:/opt/pig-0.9.2/ivy.xml13509
file:/opt/pig-0.9.2/scriptsfile:/opt/pig-0.9.2/pig-0.9.2-withouthadoop.jar6018058
当然上面的ls cd等命令都类似Linux的命名,如:chmod,chown,cp,mkdir,mv,cat,rm[相当于rm -R ]等。

它同时也支持Hadoop的一些命名,如: 

copyFromLocal localfile hdfsfile
copyToLocal   hdfsfile  localfile
在Pig 0.8以上的版本,输入sh 后跟命令, 还可以支持原生的Linux命令,如:

grunt> sh ls -l
总用量 6
-rw------- 1 zhenqin zhenqin 52220  2月  3  2012 nie.txt
-rw-rw-r-- 1 zhenqin zhenqin  2896  4月 13 22:03 pig_1365861790591.log
-rw-rw-r-- 1 zhenqin zhenqin  2896  4月 13 22:21 pig_1365862872616.log
-rw-rw-r-- 1 zhenqin zhenqin   443  4月 13 22:21 test1.pig
-rw-rw-r-- 1 zhenqin zhenqin   210  4月 12 21:35 test2.pig
-rw-rw-r-- 1 zhenqin zhenqin   245  4月 12 22:40 test3.pig
今天的测试写到这里,后边的部分会陆续跟大家分享。 

© 著作权归作者所有

震秦
粉丝 190
博文 34
码字总数 35126
作品 0
西安
架构师
私信 提问
加载中

评论(3)

滴答答答
滴答答答
你好 pig本地模式 只需要java环境 不需要安装hadoop是么 小白43
zachary124
zachary124
可以让小白少走弯路
壮哉我大东北
壮哉我大东北
外壳程序
“以空格作为分隔符把内容分词读入 ”我读入的是每行的第一个单词

@震秦 你好,想跟你请教个问题: Pig安装及本地模式测试,体验》文档中,我按照你的步骤测试的,奇怪的是我统计的结果是每行的第一个单词,而不是全文的单词,请问问题出在哪里那?

yanwei001
2014/04/30
249
1
Apache Pig 执行

在上一章中,我们解释了如何安装Apache Pig。在本章中,我们将讨论如何执行Apache Pig。 Apache Pig执行模式 你可以以两种模式运行Apache Pig,即Local(本地)模式和HDFS模式。 Local模式 ...

h8b6pk7m7r8
2017/11/25
0
0
使用 Apache Pig 处理数据

Apache Pig 是一个高级过程语言,适合于使用 Hadoop 和 MapReduce 平台来查询大型半结构化数据集。通过允许对分布式数据集进行类似 SQL 的查询,Pig 可以简化 Hadoop 的使用。本文将探索 Pi...

IBMdW
2012/03/30
1K
2
Pig On Tez, Pig 换 Tez 执行引擎

Tez 安装件上一篇文章: https://my.oschina.net/zhzhenqin/blog/781670 Tez On Yarn 安装成功后,是为了给 Hive 或者 Pig 提供执行引擎。 安装 Pig 下载地址: http://apache.fayea.com/pi...

震秦
2016/11/21
40
0
Pig安装讲解

Pig 简介: Pig 是 Apache 项目的一个子项目,Pig 提供了一个支持大规模数据分析的平台,Pig 突出的特点就是它的结构经得起大量并行任务的检验,使得它能够处理大规模数据集 Pig 特点: Pig ...

菜鸟的征程
2018/01/10
0
0

没有更多内容

加载失败,请刷新页面

加载更多

lombok的一个踩坑记录

lombok的类如下所示: package com.divx.service.model.task;import com.divx.service.model.BaseTypeMedia;import lombok.Data;/** * @author wuzhilang * @Title: QuestionResult ......

无知的小狼
30分钟前
2
0
如何使用markdown

我没有导入相应的包 这个用的还是有些问题 而且显示的时候格式问题还没解决 <div class="blog_editor" style="margin: 0 auto;width:60%;height:1000px;background-color: white;"> <div s......

南桥北木
33分钟前
4
0
纯手写SpringBoot框架之注解方式启动SpringMVC容器

使用Java语言创建Tomcat容器,并且通过Tomcat执行Servlet,接下来,将会使用Java语言在SpringBoot创建内置Tomcat,使用注解方式启动SpringMVC容器。 代码实现。 1.pom.xml文件,需要依赖的jar...

Java老王
34分钟前
2
0
Presto查询引擎简单分析

Hive查询流程分析 各个组件的作用 UI(user interface)(用户接口):提交数据操作的窗口 Driver(引擎):负责接收数据操作,实现了会话句柄,并提供基于JDBC / ODBC的execute和fetch API Metas...

MobService
36分钟前
1
0
《软件架构的10个常见模式》,看完真心觉得不错

作者:半吊子全栈工匠原文链接:https://blog.csdn.net/wireless_com/article/details/89008061 企业规模的软件系统该如何设计呢?在开始写代码之前,我们需要选择一个合适的架构,这个架构...

Java干货分享
47分钟前
3
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部