你好,游客 登录
背景:
阅读新闻

Hadoop入门进阶课程7--Pig介绍、安装与应用案例

[日期:2017-09-22] 来源:csdn  作者:yirenboy [字体: ]

1 搭建环境

部署节点操作系统为CentOS,防火墙和SElinux禁用,创建了一个shiyanlou用户并在系统根目录下创建/app目录,用于存放 Hadoop等组件运行包。因为该目录用于安装hadoop等组件程序,用户对shiyanlou必须赋予rwx权限(一般做法是root用户在根目录下 创建/app目录,并修改该目录拥有者为shiyanlou(chown –R shiyanlou:shiyanlou /app)。

Hadoop搭建环境:

  • 虚拟机操作系统: CentOS6.6 64位,单核,1G内存
  • JDK:1.7.0_55 64位
  • Hadoop:1.1.2

2 Pig介绍

Pig是yahoo捐献给apache的一个项目,使用SQL-like语言,是在MapReduce上构建的一种高级查询语言,把一些运算编译进 MapReduce模型的Map和Reduce中。Pig 有两种运行模式: Local 模式和 MapReduce 模式
- 本地模式:Pig运行于本地模式,只涉及到单独的一台计算机
- MapReduce模式:Pig运行于MapReduce模式,需要能访问一个Hadoop集群,并且需要装上HDFS

Pig的调用方式:
- Grunt shell方式:通过交互的方式,输入命令执行任务;
- Pig script方式:通过script脚本的方式来运行任务;
- 嵌入式方式:嵌入java源代码中,通过java调用来运行任务。

3 搭建Pig环境

3.1 下载并解压安装包

在Apache下载最新的Pig软件包,点击下载会推荐最快的镜像站点,以下为下载地址:

http://mirrors.aliyun.com/apache/pig/
  • 1

这里写图片描述

也可以在/home/shiyanlou/install-pack目录中找到该安装包,解压该安装包并把该安装包复制到/app目录中
- cd /home/shiyanlou/install-pack
- tar -xzf pig-0.13.0.tar.gz
- mv pig-0.13.0 /app

这里写图片描述

3.2 设置环境变量

使用如下命令编辑/etc/profile文件:
- sudo vi /etc/profile

这里写图片描述

设置pig的class路径和在path加入pig的路径,其中PIG_CLASSPATH参数是设置pig在MapReduce工作模式:
- export PIG_HOME=/app/pig-0.13.0
- export PIG_CLASSPATH=/app/hadoop-1.1.2/conf
- export PATH=PATH:PIG_HOME/bin

这里写图片描述

编译配置文件/etc/profile,并确认生效
- source /etc/profile
- echo $PATH

3.3 验证安装完成

重新登录终端,确保hadoop集群启动,键入pig命令,应该能看到pig连接到hadoop集群的信息并且进入了grunt shell命令行模式:

这里写图片描述

4 测试例子

4.1 测试例子内容

在/home/shiyanlou/install-pack/class7中有website_log.zip测试数据文件,该文件是某网站访问 日志,请大家使用pig计算出每个ip的点击次数,例如 123.24.56.57 13 24.53.23.123 7 34.56.78.120 20 …. 等等

4.2 程序代码

//加载HDFS中访问日志,使用空格进行分割,只加载ip列
records = LOAD 'hdfs://hadoop:9000/class7/input/website_log.txt' USING PigStorage(' ') AS (ip:chararray);

// 按照ip进行分组,统计每个ip点击数
records_b = GROUP records BY ip;
records_c = FOREACH records_b GENERATE group,COUNT(records) AS click;

// 按照点击数排序,保留点击数前10个的ip数据
records_d = ORDER records_c by click DESC;
top10 = LIMIT records_d 10;

// 把生成的数据保存到HDFS的class7目录中
STORE top10 INTO 'hdfs://hadoop:9000/class7/out';

4.3 准备数据

可以在/home/shiyanlou/install-pack/class7中找到本节使用的测试数据website_log.zip文件,使用unzip文件解压缩,然后调用hadoop上传本地文件命令把该文件传到HDFS中的/class7目录,如下图所示:
- cd /home/shiyanlou/install-pack/class7
- unzip website_log.zip
- ll
- hadoop fs -mkdir /class7/input
- hadoop fs -copyFromLocal website_log.txt /class7/input
- hadoop fs -cat /class7/input/website_log.txt | less

这里写图片描述

4.4 实现过程

4.4.1 输入代码

进入pig shell 命令行模式:

这里写图片描述

输入代码:

这里写图片描述

4.4.2 运行过程

在执行过程中在JobTracker页面观察运行情况,链接地址为:http://...:50030/jobtracker.jsp

这里写图片描述

点击查看具体作业信息

这里写图片描述

可以观察到本次任务分为4个作业,每个作业一次在上一次作业的结果上进行计算

这里写图片描述

这里写图片描述

4.4.3 运行结果

通过以下命令查看最后的结果:
- hadoop fs -ls /class7/out
- hadoop fs -cat /class7/out/part-r-00000

这里写图片描述

收藏 推荐 打印 | 阅读:
相关新闻       hadoop  pig