Question

使用Pig在Hadoop中分析数据的语言称为Pig Latin。它是一种高级数据处理语言，它提供了一组丰富的数据类型和运算符，以对数据执行各种操作。

为了使用Pig执行特定任务，程序员需要使用Pig Latin语言编写Pig脚本，并使用任何执行机制（Grunt Shell，UDF，嵌入式）执行它们。执行后，这些脚本将经历Pig框架应用的一系列转换，以产生所需的输出。

在内部，Apache Pig将这些脚本转换为一系列MapReduce作业，因此使程序员的工作变得容易。Apache Pig的体系结构如下所示。

Apache Pig组件

如图所示，Apache Pig框架中包含各种组件。让我们看一下主要组成部分。

解析器
最初，Pig脚本由解析器处理。它检查脚本的语法，进行类型检查以及其他各种检查。解析器的输出将是DAG（有向无环图），它代表Pig Latin语句和逻辑运算符。

在DAG中，脚本的逻辑运算符表示为节点，数据流表示为边。

优化器
逻辑计划（DAG）传递给逻辑优化器，该逻辑优化器执行逻辑优化，例如投影和下推。

编译器
编译器将优化的逻辑计划编译为一系列MapReduce作业。

执行引擎
最后，MapReduce作业以排序顺序提交给Hadoop。最后，这些MapReduce作业在Hadoop上执行，从而产生所需的结果。

Pig Latin 数据模型

Pig Latin的数据模型是完全嵌套的，它允许使用复杂的非原子数据类型，例如map和tuple。下面给出的是Pig Latin数据模型的图形表示。

原子

不管它们的数据如何，Pig Latin中的任何单个值都称为Atom(原子)。它存储为字符串，可以用作字符串和数字。int，long，float，double，chararray和bytearray是Pig的原子值。一条数据或一个简单的原子值称为字段。

如：'raja'或'30'

元组(tuple)

由一组有序字段构成的记录称为元组，这些字段可以是任何类型。元组类似于RDBMS表中的行。

如：（Raja，30）

包（bag）

包是无序的元组集。换句话说，一组元组（非唯一）被称为包。每个元组可以具有任意数量的字段（灵活模式）。袋子用{}表示。它与RDBMS中的表相似，但是与RDBMS中的表不同，不必每个元组都包含相同数量的字段或相同位置（列）中的字段具有相同的类型。

如：{{Raja，30）,（Mohammad，45）}

bag 可以是关系中的一个字段；在这种情况下，它被称为内袋。

如：{{Raja,30,{9848022338,raja@gmail.com,}}

映射(map)

映射（或数据映射）是一组键值对。在关键的需求是类型chararray的，应该是唯一的。该值可以是任何类型。用[]表示，如：[name#Raja,age＃30]

关系

关系是一袋(bag)元组(tuple)。Pig Latin中的关系是无序的（不能保证元组以任何特定顺序进行处理）。