Pig编程指南

第1章　初识Pig　1.1　Pig是什么？　1.1.1　Pig是基于Hadoop的　1.1.2　Pig Latin，一种并行数据流语言　1.1.3　Pig的用途　1.1.4　Pig的设计思想　1.2　Pig发展简史　第2章　安装和运行Pig　2.1　下载和安装Pig　2.1.1　从Apache下载Pig软件包　2.1.2　从Cloudera下载Pig　2.1.3　使用Maven下载Pig　2.1.4　下载Pig源码　2.2　运行Pig　2.2.1　本地单机运行Pig　2.2.2　在Hadoop集群上运行Pig　2.2.3　在云服务上运行Pig　2.2.4　命令行使用以及配置选项介绍　2.2.5　返回码　第3章　命令行交互工具Grunt　3.1　在Grunt中输入Pig Latin脚本　3.2　在Grunt中使用HDFS命令　3.3　在Grunt中控制Pig　第4章　Pig数据模型　4.1　数据类型　4.1.1　基本类型　4.1.2　复杂类型　4.1.3　NULL值　4.2　模式　第5章　Pig Latin介绍　5.1　基础知识　5.1.1　大小写敏感　5.1.2　注释　5.2　输入和输出　5.2.1　加载　5.2.2　存储　5.2.3　输出　5.3　关系操作　5.3.1　foreach　5.3.2　Filter　5.3.3　Group　5.3.4　Order by　5.3.5　Distinct　5.3.6　Join　5.3.7　Limit　5.3.8　Sample　5.3.9　Parallel　5.4　用户自定义函数UDF　5.4.1　注册UDF　5.4.2　define命令和UDF　5.4.3　调用静态Java函数　第6章　Pig Latin高级应用　6.1　高级关系操作　6.1.1　foreach的高级功能　6.1.2　使用不同的Join实现方法　6.1.3　cogroup　6.1.4　union　6.1.5　cross　6.2　在Pig中集成遗留代码和MapReduce程序　6.2.1　stream　6.2.2　mapreduce　6.3　非线性数据流　6.4　执行过程控制　6.4.1　set　6.4.2　设置分割器　6.5　Pig Latin预处理器　6.5.1　参数传入　6.5.2　宏　6.5.3　包含其他的Pig Latin脚本　第7章　开发和测试Pig Latin脚本　7.1　开发工具　7.1.1　语法高亮和语法检查　7.1.2　describe　7.1.3　explain　7.1.4　illustrate　7.1.5　Pig统计信息　7.1.6　MapReduce任务运行状态信息　7.1.7　调试技巧　7.2　使用PigUnit测试用户的脚本　第8章　让Pig飞起来　8.1　编写优质的脚本　8.1.1　尽早地并经常地进行过滤　8.1.2　尽早地并经常地进行映射　8.1.3　正确并合理使用join　8.1.4　适当的情况下使用multiquery　8.1.5　选择正确的数据类型　8.1.6　选择合适的并行值　8.2　编写优质的UDF　8.3　调整Pig和Hadoop　8.4　对计算中间结果进行压缩　8.5　数据层优化　8.6　垃圾数据处理　第9章　在Python中嵌入Pig Latin脚本　9.1　编译　9.2　绑定　9.3　运行　9.4　工具方法　第10章　编写评估函数和过滤函数　10.1　使用Java编写评估函数　10.1.1　UDF将在哪里执行　10.1.2　求值函数基本概念　10.1.3　输入和输出模式　10.1.4　错误处理和处理过程信息报告　10.1.5　构造器和将数据从前端传送到后端　10.1.6　重载UDF　10.1.7　运算函数的内存问题　10.2　代数运算接口　10.3　累加器接口　10.4　使用Python写UDF　10.5　书写过滤器函数　第11章　编写加载函数和存储函数　11.1　加载函数　11.1.1　前端执行计划函数　11.1.2　从前端调用传递信息到后端调用　11.1.3　后端数据读取　11.1.4　可扩展的加载函数接口　11.2　存储函数　11.2.1　存储函数前端执行计划　11.2.2　存储函数和UDFContext　11.2.3　写数据　11.2.4　任务失败后数据的清理　11.2.5　存储元数据信息　第12章　Pig和其他Hadoop社区的成员　12.1　Pig和Hive　12.2　Cascading　12.3　NoSQL数据库　12.3.1　HBase　12.3.2　Cassandra　12.4　Hadoop中的元数据　附录A　内置的用户自定义函数和Piggybank　　内置UDF　　　内置加载函数和存储函数　　　内置求值函数和过滤函数　　Piggybank　附录B　Hadoop综述　　MapReduce　　　Map阶段　　　Combiner阶段　　　Shuffle阶段　　　Reduce阶段　　　输出阶段　　　分布式缓存　　　故障处理　　HDFS　作者介绍　书末说明

　　Apache Pig 是一个高级过程语言，适合于使用 Hadoop 和 MapReduce平台来查询大型半结构化数据集。通过允许对分布式数据集进行类似 SQL 的查询，Pig 可以简化 Hadoop的使用。本文不仅为初学者讲授，Pig 的基础知识，同时还向有经验的用户更加全面的介绍Pig的重点特性。通过学习本书，你将能够身日了解数据模型，包括基本数据和复杂数据类型。掌握更高效的在Hadoop集群中运行脚本的方法和技巧。　　《Pig编程指南》不仅为初学者讲解ApachePig的基础知识，同时也向有一定使用经验的高级用户介绍更加综合全面的Pig重要特性，如PigLatin脚本语言、控制台shell交互命令以及用于对Pig进行拓展的用户自定义函数(UDF)等。当读者有大数据处理需求时，《Pig编程指南》提供了如何更高效地使用Pig来完成需求的方法。　　　　《Pig编程指南》适合各个层次的Pig用户及开发人员阅读使用。【作者简介】　　alan gates是将PIG从雅虎的研究项目转化成一个成功的Apache开源项目的工程师团队中最早的成员。他负责监督Pig的实现、编程接口和总体设计。