免費(fèi)AI編程助手
Apache Pig 概述
什么是Apache Pig？
Apache Pig是MapReduce的一個(gè)抽象。它是一個(gè)工具/平臺(tái)，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(jí)語(yǔ)言。該語(yǔ)言提供了各種操作符，程序員可以利用它們開(kāi)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(yǔ)言編寫腳本。所有這些腳本都在內(nèi)部轉(zhuǎn)換為Map和Reduce任務(wù)。Apache Pig有一個(gè)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(zhuǎn)換為MapReduce作業(yè)。
為什么我們需要Apache Pig？
不太擅長(zhǎng)Java的程序員通常習(xí)慣于使用Hadoop，特別是在執(zhí)行任一MapReduce作業(yè)時(shí)。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(wú)需在Java中鍵入復(fù)雜的代碼。
Apache Pig使用多查詢方法，從而減少代碼長(zhǎng)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(gè)LoC就能輕松完成。最終，Apache Pig將開(kāi)發(fā)時(shí)間減少了近16倍。
Pig Latin是類似SQL的語(yǔ)言，當(dāng)你熟悉SQL后，很容易學(xué)習(xí)Apache Pig。
Apache Pig提供了許多內(nèi)置操作符來(lái)支持?jǐn)?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(diǎn)
Apache Pig具有以下特點(diǎn):
豐富的運(yùn)算符集 - 它提供了許多運(yùn)算符來(lái)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(jī)會(huì) - Apache Pig中的任務(wù)自動(dòng)優(yōu)化其執(zhí)行，因此程序員只需要關(guān)注語(yǔ)言的語(yǔ)義。
可擴(kuò)展性 - 使用現(xiàn)有的操作符，用戶可以開(kāi)發(fā)自己的功能來(lái)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(yǔ)言（如Java）中創(chuàng)建用戶定義函數(shù)的功能，并且可以調(diào)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(wú)論是結(jié)構(gòu)化還是非結(jié)構(gòu)化，它將結(jié)果存儲(chǔ)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(yǔ)言。 | MapReduce是一種數(shù)據(jù)處理模式。 |
| 它是一種高級(jí)語(yǔ)言。 | MapReduce是低級(jí)和剛性的。 |
| 在Apache Pig中執(zhí)行Join操作非常簡(jiǎn)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(chǔ)知識(shí)的新手程序員都可以方便地使用Apache Pig工作。 | 向Java公開(kāi)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(zhǎng)度。 | MapReduce將需要幾乎20倍的行數(shù)來(lái)執(zhí)行相同的任務(wù)。 |
| 沒(méi)有必要編譯。執(zhí)行時(shí)，每個(gè)Apache Pig操作符都在內(nèi)部轉(zhuǎn)換為MapReduce作業(yè)。 | MapReduce作業(yè)具有很長(zhǎng)的編譯過(guò)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(yǔ)言。 | SQL是一種聲明式語(yǔ)言。 |
| 在Apache Pig中，模式是可選的。我們可以存儲(chǔ)數(shù)據(jù)而無(wú)需設(shè)計(jì)模式（值存儲(chǔ)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(guān)系。 | SQL 中使用的數(shù)據(jù)模型是平面關(guān)系。 |
| Apache Pig為查詢優(yōu)化提供有限的機(jī)會(huì)。 | 在SQL中有更多的機(jī)會(huì)進(jìn)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(kāi)發(fā)人員在pipeline中的任何位置存儲(chǔ)數(shù)據(jù)。
- 聲明執(zhí)行計(jì)劃。
- 提供運(yùn)算符來(lái)執(zhí)行ETL（Extract提取，Transform轉(zhuǎn)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(yùn)行。在下表中，我們列出了幾個(gè)重要的點(diǎn)區(qū)分Apache Pig與Hive。
| Apache Pig | Hive |
|---|---|
| Apache Pig使用一種名為 Pig Latin 的語(yǔ)言（最初創(chuàng)建于 Yahoo ）。 | Hive使用一種名為 HiveQL 的語(yǔ)言（最初創(chuàng)建于 Facebook ）。 |
| Pig Latin是一種數(shù)據(jù)流語(yǔ)言。 | HiveQL是一種查詢處理語(yǔ)言。 |
| Pig Latin是一個(gè)過(guò)程語(yǔ)言，它適合流水線范式。 | HiveQL是一種聲明性語(yǔ)言。 |
| Apache Pig可以處理結(jié)構(gòu)化，非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。 | Hive主要用于結(jié)構(gòu)化數(shù)據(jù)。 |
Apache Pig的應(yīng)用程序
Apache Pig通常被數(shù)據(jù)科學(xué)家用于執(zhí)行涉及特定處理和快速原型設(shè)計(jì)的任務(wù)。使用Apache Pig:
- 處理巨大的數(shù)據(jù)源，如Web日志。
- 為搜索平臺(tái)執(zhí)行數(shù)據(jù)處理。
- 處理時(shí)間敏感數(shù)據(jù)的加載。
Apache Pig歷史
在 2006年 時(shí)，Apache Pig是作為Yahoo的研究項(xiàng)目開(kāi)發(fā)的，特別是在每個(gè)數(shù)據(jù)集上創(chuàng)建和執(zhí)行MapReduce作業(yè)。在 2007 時(shí)，Apache Pig是通過(guò)Apache孵化器開(kāi)源的。在 2008 時(shí)，Apache Pig的第一個(gè)版本出來(lái)了。在 2010 時(shí)，Apache Pig獲得為Apache頂級(jí)項(xiàng)目。
更多建議：