Hadoop : Pig 語法與基本概念介紹

2018-11-04

2388
0

Pig 是在Apache Hodoop 上的分析工具，主要是利用一種類似程式語言的方式來進行資料分析，而在分析前呢，所有的檔案都必須先放到HDFS 的檔案系統中呢才能使用。本影片主要有以下幾個單元，讓各位初學者可以用淺顯易懂的方式，來了解Pig的指令操作，希望各位朋友能夠透過這部影片了解到大數據之美。

[常見pig指令]
pig 進入pig cli
   [將資料載入進變數]
   變數 = LOAD 'path' USING PigStorage ('\t') ;
   變數 = LOAD 'path' as (欄位:型態);

   [查詢資料表Schema]
   describe 變數;

   [顯示資料]
   dump 變數;

   [執行pig程式]
   pig -f 檔案位置.pig



   [FOREACH] 取得每一筆資料
       [查詢特定的欄位]
       變數 = FOREACH 變數 GENERATE 欄位;

       [新增欄位]
       變數 = FOREACH 變數 GENERATE 欄位,999;

       [欄位轉型]
       變數 = FOREACH 變數 GENERATE (型態)$0;

       [欄位重新命名]
       變數 = FOREACH 變數 GENERATE $0 as 欄位名稱;

       [欄位重新命名與轉型]
       變數 = FOREACH 變數 GENERATE $0 as 欄位名稱:型態;

       [TOTUPLE]
       將Fields 組合成Tuples
       變數 = FOREACH 變數 GENERATE TOTUPLE(欄位名稱A,欄位名稱B);


       [FLATTEN]
       1.將Tuples 拆散成 Fields
       2.將Group的資料還原成原始的資料
       變數 = FOREACH 變數 GENERATE FLATTEN(欄位名稱);


   [過濾資料-一般模式]
   變數 = FILTER 變數 BY (條件);

   [過濾資料-正則表示式]
   變數 = FILTER 變數 BY [欄位] MATCHES [正則表示式];

   [群組資料]
   變數 = GROUP 變數 BY [欄位];

       [相關函數]
       COUNT()
       MAX()
       SUM()
       AVG()

   變數 = GROUP 變數 ALL;

   [資料排序]
   變數 = ORDER 變數 BY [欄位] [ASC|DESC];
       ASC    (小 > 大)
       DESC   (大 > 小)

   joinTableGroupCount = ORDER joinTableGroupCount BY UserCount DESC;

   [顯示前n筆資料]
   joinTableGroupCount = LIMIT joinTableGroupCount 5;

[LEFT OUTER JOIN]
變數 = JOIN 變數A BY 欄位 LEFT OUTER,變數B BY 欄位;

回首頁