HaDoop_Pig_Store格式

PigStorage默认情况对应使用制定分隔符分割的文本格式,默认为 tab
BinStorage map/reduce job 的存储方式,用户也可以使用(可以 load 也可以 store),builtin;
JsonLoader/JsonStorage 前者需要指定 schema,builtin
TextLoader 用来读入文本,每行一个 chararray,builtin
AvroStorageorg.apache.pig.piggybank.storage.avro 用来读取和存储 avro 格式的文件,读取也需要 schema,或者指定或者有个 schema 文件
CVSLoaderorg.apache.pig.piggybank.storage用来载入 CVS 文件
DBStorageorg.apache.pig.piggybank.storage用于写入 DB,需要指定数据库驱动和使用的 SQL 语句
HadoopJobHistoryLoader (同上),
IndexedStorage (同上),支持 per-record seek 的存储
MultiStorage (同上),产生多个 output directory,根据用户指定的规则进行拆分
RegExLoader/MyRegExLoader (同上),根据 RE 对 log 进行分析
SequenceFileLoader (同上),用来读取 sequence file
XMLLoader (同上),用来 load XML 文件的内容,需要提供 schema。
HBaseStorageorg.apache.pig.backend.hadoop.hbase用来从 HBase 里面读入和写入数据
HDataStorageorg.apache.pig.backend.hadoop.datastorage 
TableLoader/TableStorerorg.apache.hadoop.zebra.pig用来处理 zebra 格式的数据
### Hadoop Pig 的定义与功能 Hadoop Pig 是一种用于分析大数据集的高级查询语言,专为简化大规模数据处理而设计。通过使用 Apache Pig,用户能够以更少的代码量完成复杂的 MapReduce 数据处理任务[^4]。Pig 提供了一种名为 **Pig Latin** 的脚本语言,允许开发者专注于数据分析逻辑而非底层分布式计算细节。 #### Pig 工具的主要特点 - **易用性**: 使用 Pig Latin 编写的数据流程序相较于手动编写的 Java 或 C++ 程序更加简洁高效。 - **灵活性**: 支持多种内置运算符以及自定义函数 (UDF),便于扩展和定制化需求。 - **性能优化**: 自动执行并行化和优化操作,减少人工干预。 以下是 PigHadoop 生态系统中的核心作用: 1. **数据加载与存储** Pig 可以轻松地从各种输入源加载数据,并将其转换成适合进一步处理的形式。`LOAD` 和 `STORE` 命令支持不同的分隔符配置,默认是以制表符 (`\t`) 作为字段分隔符[^1]。例如: ```piglatin A = LOAD 'input.dat' USING PigStorage(':') AS (year:int, temperature:float); STORE A INTO 'output_path' USING PigStorage(':'); ``` 2. **数据类型支持** Pig 提供丰富的数据类型体系,包括基本类型(如 `int`, `long`, `double`, `chararray`)、复合类型(如 `tuple`, `bag`, `map`)。其中: - Tuple 类似于 MATLAB 中的 Cell 数组,其内部元素可以具有不同类型的值[^2]; - Bag 则是一系列无序元组的集合,通常由花括号 `{}` 表示; - Map 键值对结构类似于哈希表,键必须是字符串类型,而值则可接受任何合法类型。 3. **运行模式** 用户可以选择两种方式启动 Pig 脚本:本地模式或集群模式。前者适用于测试环境下的小型数据集;后者利用完整的 Hadoop 集群资源来加速大规规模型训练过程。具体命令如下所示: ```bash # 启动本地模式 pig -x local # 启动MapReduce模式 pig -x mapreduce ``` 4. **批处理能力** 对于预设好的 `.pig` 文件,可以直接调用相应路径参数批量提交作业给 YARN 调度器管理调度。 --- ### 示例代码展示 下面给出一段简单的 Pig 脚本实例演示如何统计某日志文件中每小时访问次数分布情况: ```piglatin -- 加载原始数据 logs = LOAD '/path/to/logs.txt' AS (timestamp:chararray); -- 截取时间戳前两位代表小时数 hours = FOREACH logs GENERATE SUBSTRING(timestamp, 0, 2) AS hour; -- 统计各小时内记录总数 grouped_hours = GROUP hours BY hour; hour_counts = FOREACH grouped_hours GENERATE group AS hour, COUNT(hours.hour) AS count; -- 输出结果至指定目录下 STORE hour_counts INTO '/path/to/output'; ``` 此段脚本首先读入包含时间戳的日志条目列表,接着提取出每个事件发生的具体时刻标记(即小时部分),最后按照这些标志聚合求得对应时段内的活动频率并向外部持久化保存最终报表信息。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值