pig个人笔记——1

1.pig的两种运行方式：

Local 模式和 MapReduce 模式。当 Pig 在 Local 模式运行的时候， Pig 将只访问本地一台主机；当 Pig 在 MapReduce 模式运行的时候， Pig 将访问一个 Hadoop 集群。

以local模式运行：pig -x local  test.pig

以MapReduce模式运行：pig -x mapreduce test.pig  MapReduce模式运行可以直接简写成：pig test.pig

关于pig的运行方式可以参见：http://blog.csdn.net/zhu_xun/article/details/16820023

2.声明变量：

(1).使用declare声明变量：eg：%declare src = "....."

(2).使用default声明变量：eg：%default src="......."

      这样，就可以通过$src来使用变量

注意：

（1）在pig里定义了一个default变量，用来表示加载数据的路径，那么如果想在执行pig命令时传入该参数，则用：pig -x local -param src=*****

（2）声明的变量只能表示加载数据的路径，而不能在其他地方使用。对于这一点，我很无语，不明白pig为什么会阉割掉这个小功能。假如，有一个变量在计算时要被使用N遍，那么你只能手动的输入N遍。所以严格地来说，pig中是无法使用变量的。

3.表连接：

join （inner join） 可以连接多张表

eg:join A by id,B by id,C by id;

     而outer join一次只能连接两张表，且左面的表为驱动表，右面的表为匹配表。

eg:join A by id left outer,B by id;

  

未完待续。。。。。