Pig是作为客户端运行的程序，你需要将其连接到本地Hadoop或者集群上。当安装Pig之后，有三种执行pig程序的方法：pig脚本 （将程序写入.pig文件中），Grunt（运行Pig命令的交互式shell环境）和嵌入式方式。 records = Load ‘sample.txt’ as (year:chararray, temperature:int, quality:int); filter_records = FILTER records BY temperature != 9999 AND quality == 0; group_records = GROUP filter_records BY year; max_temp = FOREACH group_records GENERATE group, MAX(filter_records.temperature); DUMP max_temp; 生成上面程序的创建的数据集结构： grunt> ILLUSTRATE max_temp; Pig和数据库的比较： 1）Pig是数据流编程语言，而SQL是一种描述型编程语言。Pig是相对于输入的一步步操作，其中每一步都是对数据的一个简单的变换； 而SQL语句是一个约束的集合，这些约束结合在一起定义了输出。Pig更像RDBMS中的查询规划器。 2）RDBMS把数据存储在严格定义了模式的表内，但pig对数据的要求更宽松，可以在运行时定义模式，而且是可选的。 3）pig对复杂、嵌套数据结构的支持更强； 4）Pig不支持事务和索引，也不支持随机读和几十毫秒级别的查询，它是针对数据批量处理的。 5）Hive是介于Pig和RDBMS之间的系统。Hive以HDFS为存储，但是查询语言是基于SQL的，而且Hive要求所有数据必须存储在表中， 表必须有模式，而模式由Hive管理。但Hive允许为预先存在HDFS中的数据关联一个模式，因此数据加载步骤是可选的。 更多精彩内容请关注：http://bbs.superwu.cn 关注超人学院微信二维码： |
原文地址：http://blog.csdn.net/crxy2014/article/details/45971995
