Apache Pig 概述
什么是Apache Pig？
Apache Pig是MapReduce的一個抽象。它是一個工具/平臺，用于分析較大的數(shù)據(jù)集，并將它們表示為數(shù)據(jù)流。Pig通常與 Hadoop 一起使用；我們可以使用Apache Pig在Hadoop中執(zhí)行所有的數(shù)據(jù)處理操作。
要編寫數(shù)據(jù)分析程序，Pig提供了一種稱為 Pig Latin 的高級語言。該語言提供了各種操作符，程序員可以利用它們開發(fā)自己的用于讀取，寫入和處理數(shù)據(jù)的功能。
要使用 Apache Pig 分析數(shù)據(jù)，程序員需要使用Pig Latin語言編寫腳本。所有這些腳本都在內(nèi)部轉換為Map和Reduce任務。Apache Pig有一個名為 Pig Engine 的組件，它接受Pig Latin腳本作為輸入，并將這些腳本轉換為MapReduce作業(yè)。
為什么我們需要Apache Pig？
不太擅長Java的程序員通常習慣于使用Hadoop，特別是在執(zhí)行任一MapReduce作業(yè)時。Apache Pig是所有這樣的程序員的福音。
使用 Pig Latin ，程序員可以輕松地執(zhí)行MapReduce作業(yè)，而無需在Java中鍵入復雜的代碼。
Apache Pig使用多查詢方法，從而減少代碼長度。例如，需要在Java中輸入200行代碼（LoC）的操作在Apache Pig中輸入少到10個LoC就能輕松完成。最終，Apache Pig將開發(fā)時間減少了近16倍。
Pig Latin是類似SQL的語言，當你熟悉SQL后，很容易學習Apache Pig。
Apache Pig提供了許多內(nèi)置操作符來支持數(shù)據(jù)操作，如join，filter，ordering等。此外，它還提供嵌套數(shù)據(jù)類型，例如tuple（元組），bag（包）和MapReduce缺少的map（映射）。
Apache Pig的特點
Apache Pig具有以下特點:
豐富的運算符集 - 它提供了許多運算符來執(zhí)行諸如join，sort，filer等操作。
易于編程 - Pig Latin與SQL類似，如果你善于使用SQL，則很容易編寫Pig腳本。
優(yōu)化機會 - Apache Pig中的任務自動優(yōu)化其執(zhí)行，因此程序員只需要關注語言的語義。
可擴展性 - 使用現(xiàn)有的操作符，用戶可以開發(fā)自己的功能來讀取、處理和寫入數(shù)據(jù)。
用戶定義函數(shù) - Pig提供了在其他編程語言（如Java）中創(chuàng)建用戶定義函數(shù)的功能，并且可以調用或嵌入到Pig腳本中。
處理各種數(shù)據(jù) - Apache Pig分析各種數(shù)據(jù)，無論是結構化還是非結構化，它將結果存儲在HDFS中。
Apache Pig與MapReduce
下面列出的是Apache Pig和MapReduce之間的主要區(qū)別。
| Apache Pig | MapReduce |
|---|---|
| Apache Pig是一種數(shù)據(jù)流語言。 | MapReduce是一種數(shù)據(jù)處理模式。 |
| 它是一種高級語言。 | MapReduce是低級和剛性的。 |
| 在Apache Pig中執(zhí)行Join操作非常簡單。 | 在MapReduce中執(zhí)行數(shù)據(jù)集之間的Join操作是非常困難的。 |
| 任何具備SQL基礎知識的新手程序員都可以方便地使用Apache Pig工作。 | 向Java公開是必須使用MapReduce。 |
| Apache Pig使用多查詢方法，從而在很大程度上減少代碼的長度。 | MapReduce將需要幾乎20倍的行數(shù)來執(zhí)行相同的任務。 |
| 沒有必要編譯。執(zhí)行時，每個Apache Pig操作符都在內(nèi)部轉換為MapReduce作業(yè)。 | MapReduce作業(yè)具有很長的編譯過程。 |
Apache Pig Vs SQL
下面列出了Apache Pig和SQL之間的主要區(qū)別。
| Pig | SQL |
| Pig Latin是一種程序語言。 | SQL是一種聲明式語言。 |
| 在Apache Pig中，模式是可選的。我們可以存儲數(shù)據(jù)而無需設計模式（值存儲為$ 01，$ 02等） | 模式在SQL中是必需的。 |
| Apache Pig中的數(shù)據(jù)模型是嵌套關系。 | SQL 中使用的數(shù)據(jù)模型是平面關系。 |
| Apache Pig為查詢優(yōu)化提供有限的機會。 | 在SQL中有更多的機會進行查詢優(yōu)化。 |
除了上面的區(qū)別，Apache Pig Latin:
- 允許在pipeline（流水線）中拆分。
- 允許開發(fā)人員在pipeline中的任何位置存儲數(shù)據(jù)。
- 聲明執(zhí)行計劃。
- 提供運算符來執(zhí)行ETL（Extract提取，Transform轉換和Load加載）功能。
Apache Pig VS Hive
Apache Pig和Hive都用于創(chuàng)建MapReduce作業(yè)。在某些情況下，Hive以與Apache Pig類似的方式在HDFS上運行。在下表中，我們列出了幾個重要的點區(qū)分Apache Pig與Hive。
| Apache Pig | Hive |
|---|---|
| Apache Pig使用一種名為 Pig Latin 的語言（最初創(chuàng)建于 Yahoo ）。 | Hive使用一種名為 HiveQL 的語言（最初創(chuàng)建于 Facebook ）。 |
| Pig Latin是一種數(shù)據(jù)流語言。 | HiveQL是一種查詢處理語言。 |
| Pig Latin是一個過程語言，它適合流水線范式。 | HiveQL是一種聲明性語言。 |
| Apache Pig可以處理結構化，非結構化和半結構化數(shù)據(jù)。 | Hive主要用于結構化數(shù)據(jù)。 |
Apache Pig的應用程序
Apache Pig通常被數(shù)據(jù)科學家用于執(zhí)行涉及特定處理和快速原型設計的任務。使用Apache Pig:
- 處理巨大的數(shù)據(jù)源，如Web日志。
- 為搜索平臺執(zhí)行數(shù)據(jù)處理。
- 處理時間敏感數(shù)據(jù)的加載。
Apache Pig歷史
在 2006年 時，Apache Pig是作為Yahoo的研究項目開發(fā)的，特別是在每個數(shù)據(jù)集上創(chuàng)建和執(zhí)行MapReduce作業(yè)。在 2007 時，Apache Pig是通過Apache孵化器開源的。在 2008 時，Apache Pig的第一個版本出來了。在 2010 時，Apache Pig獲得為Apache頂級項目。
更多建議：