PIG安装使用

上一篇博客中记录了用hive执行mapreduce任务实现统计最大值以及总量,这里用另外一个强大的工具PIG实现同样的功能。

首先下载pig-0.10.1.tar.gz版本解压到hadoop/pig下面,配置好HADOOP_HOME以及PATH环境变量

#读取HDFS中的数据到变量中
grunt> Line = load 'inputTest/test.log' using PigStorage(' ') as (day, bytes, tag, user);
grunt> describe Line;
Line: {day: bytearray,bytes: bytearray,tag: bytearray,user: bytearray}
grunt> dump Line;
(20121221,04567,user,s00001)
(20121221,75531,user,s00003)
(20121222,52369,user,s00002)
(20121222,01297,user,s00001)
(20121223,61223,user,s00002)
(20121223,33121,user,s00003)

#对变量进行group操作
grunt> Groupd_Line = group Line by day;
grunt> describe Groupd_Line;
Groupd_Line: {group: bytearray,Line: {(day: bytearray,bytes: bytearray,tag: bytearray,user: bytearray)}}
grunt> dump Groupd_Line;
(20121221,{(20121221,04567,user,s00001),(20121221,75531,user,s00003)})
(20121222,{(20121222,52369,user,s00002),(20121222,01297,user,s00001)})
(20121223,{(20121223,61223,user,s00002),(20121223,33121,user,s00003)})

#计算总量
grunt> Sum_Groupd_Line = foreach Groupd_Line generate group, SUM(Line.bytes);
grunt> describe Sum_Groupd_Line;
Sum_Groupd_Line: {group: bytearray,double}
grunt> dump Sum_Groupd_Line;
(20121221,80098.0)
(20121222,53666.0)
(20121223,94344.0)

#保存到HDFS中
grunt> store Sum_Groupd_Line into 'sumOutput';

#通过HDFS查看结果
root:~/hadoop # hadoop fs -cat /user/root/sumOutput/part-r-00000
20121221        80098.0
20121222        53666.0
20121223        94344.0


#计算最大值也是类似操作
grunt> Max_Groupd_Line = foreach Groupd_Line generate group, MAX(Line.bytes);
grunt> dump Max_Groupd_Line;
(20121221,75531.0)
(20121222,52369.0)
(20121223,61223.0)
grunt> store Max_Groupd_Line into 'maxOutput';

对lzo压缩格式的文件一样的操作

grunt> Line = load 'inputTest/test.log.lzo' using PigStorage(' ') as (day, bytes, tag, user);
grunt> Filt = FILTER Line by day == 20121221;
grunt> dump Filt;
(20121221,04567,user,s00001)
(20121221,75531,user,s00003)

参考资料:pig的安装和使用

内容概要:本文深入探讨了多种高级格兰杰因果检验方法,包括非线性格兰杰因果检验、分位数格兰杰因果检验、混频格兰杰因果检验以及频域因果检验。每种方法都有其独特之处,适用于不同类型的时间序列数据。非线性格兰杰因果检验分为非参数方法、双变量和多元检验,能够在不假设数据分布的情况下处理复杂的关系。分位数格兰杰因果检验则关注不同分位数下的因果关系,尤其适合经济数据的研究。混频格兰杰因果检验解决了不同频率数据之间的因果关系分析问题,而频域因果检验则专注于不同频率成分下的因果关系。文中还提供了具体的Python和R代码示例,帮助读者理解和应用这些方法。 适合人群:从事时间序列分析、经济学、金融学等领域研究的专业人士,尤其是对非线性因果关系感兴趣的学者和技术人员。 使用场景及目标:①研究复杂非线性时间序列数据中的因果关系;②分析不同分位数下的经济变量因果关系;③处理不同频率数据的因果关系;④识别特定频率成分下的因果关系。通过这些方法,研究人员可以获得更全面、细致的因果关系洞察。 阅读建议:由于涉及较多数学公式和编程代码,建议读者具备一定的统计学和编程基础,特别是对时间序列分析有一定了解。同时,建议结合具体案例进行实践操作,以便更好地掌握这些方法的实际应用。
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