电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛

标题: Hadoop学习之Pig（2） [打印本页]

作者: look_w 时间: 2019-3-4 19:12 标题: Hadoop学习之Pig（2）

三、Pig的使用实例
3.1 文件背景

结合本笔记第五篇《自定义类型处理手机上网日志》的手机上网日志为背景，我们要做的就是通过Pig Latin对该日志进行流量的统计。该日志的数据结构定义如下图所示：（该文件的下载地址为：）
5117213-baeb696d1d322d94.jpg

PS：在使用Pig之前先将该文件上传至HDFS中，这里上传到了/testdir/input目录中

hadoop fs -put HTTP_20130313143750.dat /testdir/input

3.2 Load:把HDFS中的数据转换为Pig可以处理的模式

（1）首先通过输入Pig进入grunt，然后使用Load命令将原始文件转换为Pig可以处理的模式：

grunt>A = LOAD '/testdir/input/HTTP_20130313143750.dat' AS (t0:long,msisdn:chararray, t2:chararray, t3:chararray, t4:chararray, t5:chararray, t6:long, t7:long, t8:long, t9:long, t10:chararray);

（2）通过Pig对指令的解析，帮我们转换成为了MapReduce任务：

（3）通过以下命令可以查看结果：

grunt>DUMP A;

3.3 FOREACH:把A中有用的字段抽取出来

（1）这里我们需要统计的只是手机号以及四个流量数据，因此我们通过遍历将A中的部分字段抽取出来存入B中：

grunt> B = FOREACH A GENERATE msisdn, t6, t7, t8, t9;

（2）通过以下命令可以查看结果：

grunt>DUMP B;

3.4 GROUP:分组数据

（1）有用信息抽取出来后，看到结果中一个手机号可能有多条记录，因此这里通过手机号进行分组：

grunt> C = GROUP B BY msisdn;

（2）通过以下命令可以查看结果：

grunt>DUMP C;

3.5 GENERATE:流量汇总

（1）在对手机号进行分组之后，我们可以看到某个手机号对应着多条流量记录数据，因此继续使用FOREACH遍历分组数据，然后对四个流量数据进行汇总，这里使用了聚合函数SUM()：

grunt> D = FOREACH C GENERATE group, SUM(B.t6), SUM(B.t7), SUM(B.t8), SUM(B.t9);

（2）通过以下命令可以查看结果：

grunt>DUMP D;

3.6 STORE:将统计结果存储到HDFS中进行持久化

（1）在对流量统计完毕之后，结果仍然是在Pig中，这里就需要对其进行持久化操作，即将结果存储到HDFS中：

grunt> STORE D INTO '/testdir/output/wlan_result';

（2）通过HDFS Shell查看存储结果：

hadoop fs -text /testdir/output/wlan_result/part-r-*

欢迎光临电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛 (http://bbs.eccn.com/)