本节来介绍一些Pig常用的数据分析命令。
1.load命令
load命令用来加载数据到指定的表结构，语法格式如下：
load '数据文件' [using PigStorage("分隔符")] as (表结构);
注意：默认分隔符是制表符Tab，如果数据文件不是以Tab分割的，必须指定分隔符，否则加载数据失败。例如：
A = load 'a.txt' as (id:int,name:chararray);
B = load 'b.txt' using PigStorage(",") as (id:int,name:chararray);
注意：等号=两边必须有空格，否则容易出错。
2.describe命令
describe命令用于查看表结构，语法格式如下：
describe 表名;
例如：
describe A;
3.group命令
group命令用来将数据分组，语法格式如下：
group 表名 by 字段名
例如：
C = group A by id;
4.foreach命令
foreach命令用来对数据集进行迭代处理，语法格式如下：
foreach 表名 generate 字段列表
例如：
C = foreach A generate id,name;
也可以使用$0类似的命令来获取数据集中的数据：
C = foreach A generate 1;
5.filter命令
filter命令用来过滤数据，语法格式如下：
filter A by 过滤条件
例如：
D = filter A by id == 'zs';
常用的条件表达式有：==, !=, >=, <=, >, <
6.join命令
join命令用来连接两张表，语法格式如下：
内连接：join A by id,B by id;
外连接：
左外连接：join A by id left outer,B by id;
右外连接：join A by id right outer,B by id;
全外连接：join A by id full outer,B by id;
7.limit命令
limit命令用于取出有限大小的数据集，语法格式如下：
limit 表名 大小
例如：取出A中的前10条数据赋给B
B = limit A 10;
8.order命令
order命令用来对数据集按照指定字段排序，语法格式如下：
order 表名 by 字段列表 [desc]
默认是正序排列，如需倒序在最后加上desc。例如：
B = order A by id;
B = order A by id desc, name desc;
9.split命令
split命令用来根据条件切分数据集，语法格式如下：
split 表名 into 子表1 if 条件1[,子表2 if 条件2, ……]
例如：
split A into A1 if id<=10, A2 if (id>10 and id<=20), A3 if id>20;
10.union命令
union命令用来合并两个数据集，语法格式如下：
union 表1，表2;
例如：
C = union A, B;
注意：union要求这两个数据集的结构一样，或者能隐式转换成一样，否则操作失败。
11.exec命令
exec命令用于执行pig脚本，语法格式如下：
exec [-param param_name=param_value] [-param_file file_name] [script];
示例1：显示和运行脚本
grunt> cat myscript.pig;
a = LOAD 'student' AS (name, age, gpa);
b = LIMIT a 3;
DUMP b;
grunt> exec myscript.pig;
(alice,20,2.47)
(luke,18,4.00)
(holly,24,3.27)
示例2：带参数运行命令
grunt> cat myscript.pig;
a = LOAD 'student' AS (name, age, gpa);
b = ORDER a BY name;
STORE b into '$out';
grunt> exec –param out=myoutput myscript.pig;
示例3：带多个参数运行命令
grunt> exec –param p1=myparam1 –param p2=myparam2 myscript.pig;
12.run命令
run命令也是用来执行pig脚本的，语法格式如下：
run [-param param_name=param_value] [-param_file file_name] script;
示例1：显示和运行脚本
grunt> cat myscript.pig;
b = ORDER a BY name;
c = LIMIT b 10;
grunt> a = LOAD 'student' AS (name, age, gpa);
grunt> run myscript.pig;
grunt> d = LIMIT c 3;
grunt> DUMP d;
(alice,20,2.47)
(alice,27,1.95)
(alice,36,2.27)
示例2：带参数运行命令
grunt> a = LOAD 'student' AS (name, age, gpa);
grunt> cat myscript.pig;
b = ORDER a BY name;
STORE b into '$out';
grunt> run –param out=myoutput myscript.pig;
13.set命令
set命令用于给key设置值，语法格式如下：
set key 'value';
例如：
set name ‘xiaoming’;
14.kill命令
kill命令用于杀死进程，语法格式如下：
kill jobid;
15.help命令
help命令用于列出pig命令及属性，格式如下：
-help [properties]
16.quit命令
quit命令用于退出Grunt Shell环境，格式如下：
quit;
17.clear命令
clear命令用来清屏，语法格式如下：
clear；
18.history命令
history命令用来查看执行命令记录，语法格式如下：
history;
19.distinct命令
distinct命令用来删除数据集中的重复项，语法格式如下：
distinct 表名;
例如：
B = distinct A;
20.dump命令
dump命令用来将结果数据集显示到屏幕上，格式如下：
dump 表名;
例如：
dump A;
21.store命令
store命令用于将结果数据集保存到文件中，格式如下：
store 表名 into '文件路径' [using PigStorage('分隔符')];
例如：
store A into '/pig/output/A.txt';
store A into '/pig/output/A.txt' using PigStorage(',');
store命令与load命令一样，默认分隔符为Tab，如需更改分隔符，需要手动指定。
总结
常用的Pig命令就是以上这些了，在执行Pig命令时，需要注意以下几点内容：
PigLatin语句末尾一定要加分号【;】。
Pig对命令的大小写没有规定，可以使用大写，也可以小写。
Pig中的函数就必须使用大写，因为这些函数在pig中定义的时候就是大写。
针对Pig处理过程中的临时变量的名称，大小写也是有区分的。
在pig中执行的命令其实并不会真正的执行，只有当执行dump或者store命令的时候才会真正指定之前定义的命令。
如果某一条命令执行失败了，那么只需要修改这条命令，重新执行即可。
网友评论