后浪云Apache Pig教程：Apache Pig 概述

什么是Apache Pig？

Apache Pig是MapReduce的一个抽象。它是一个工具/平台，用于分析较大的数据集，并将它们表示为数据流。Pig通常与 Hadoop 一起使用；我们可以使用Apache Pig在Hadoop中执行所有的数据处理操作。

要编写数据分析程序，Pig提供了一种称为 Pig Latin 的高级语言。该语言提供了各种操作符，程序员可以利用它们开发自己的用于读取，写入和处理数据的功能。

要使用 Apache Pig 分析数据，程序员需要使用Pig Latin语言编写脚本。所有这些脚本都在内部转换为Map和Reduce任务。Apache Pig有一个名为 Pig Engine 的组件，它接受Pig Latin脚本作为输入，并将这些脚本转换为MapReduce作业。

为什么我们需要Apache Pig？

不太擅长Java的程序员通常习惯于使用Hadoop，特别是在执行任一MapReduce作业时。Apache Pig是所有这样的程序员的福音。

• 使用 Pig Latin ，程序员可以轻松地执行MapReduce作业，而无需在Java中键入复杂的代码。

• Apache Pig使用多查询方法，从而减少代码长度。例如，需要在Java中输入200行代码（LoC）的操作在Apache Pig中输入少到10个LoC就能轻松完成。最终，Apache Pig将开发时间减少了近16倍。

• Pig Latin是类似SQL的语言，当你熟悉SQL后，很容易学习Apache Pig。

• Apache Pig提供了许多内置操作符来支持数据操作，如join，filter，ordering等。此外，它还提供嵌套数据类型，例如tuple（元组），bag（包）和MapReduce缺少的map（映射）。

Apache Pig的特点

Apache Pig具有以下特点:

• 丰富的运算符集 – 它提供了许多运算符来执行诸如join，sort，filer等操作。

• 易于编程 – Pig Latin与SQL类似，如果你善于使用SQL，则很容易编写Pig脚本。

• 优化机会 – Apache Pig中的任务自动优化其执行，因此程序员只需要关注语言的语义。

• 可扩展性 – 使用现有的操作符，用户可以开发自己的功能来读取、处理和写入数据。

• 用户定义函数 – Pig提供了在其他编程语言（如Java）中创建用户定义函数的功能，并且可以调用或嵌入到Pig脚本中。

• 处理各种数据 – Apache Pig分析各种数据，无论是结构化还是非结构化，它将结果存储在HDFS中。

Apache Pig与MapReduce

下面列出的是Apache Pig和MapReduce之间的主要区别。

Apache Pig Vs SQL

下面列出了Apache Pig和SQL之间的主要区别。

除了上面的区别，Apache Pig Latin:

• 允许在pipeline（流水线）中拆分。
• 允许开发人员在pipeline中的任何位置存储数据。
• 声明执行计划。
• 提供运算符来执行ETL（Extract提取，Transform转换和Load加载）功能。

Apache Pig VS Hive

Apache Pig和Hive都用于创建MapReduce作业。在某些情况下，Hive以与Apache Pig类似的方式在HDFS上运行。在下表中，我们列出了几个重要的点区分Apache Pig与Hive。

Apache Pig的应用程序

Apache Pig通常被数据科学家用于执行涉及特定处理和快速原型设计的任务。使用Apache Pig:

• 处理巨大的数据源，如Web日志。
• 为搜索平台执行数据处理。
• 处理时间敏感数据的加载。

Apache Pig历史

在 2006年 时，Apache Pig是作为Yahoo的研究项目开发的，特别是在每个数据集上创建和执行MapReduce作业。在 2007 时，Apache Pig是通过Apache孵化器开源的。在 2008 时，Apache Pig的第一个版本出来了。在 2010 时，Apache Pig获得为Apache顶级项目。