Pig 中的一些语法知识。

define 用于给用户自定的函数(UDF)或者是一串命令流设置别名。类似于C中的#define，为了调用函数时更简单明了。

用法：

Define alias {functiion | ['command' [input] [output] [ship] [cache]};

即：将函数或者是一串命令或者是input/output/ship/cache等复制给一个别名alias;

下面是官网中的例子：

DEFINE CMD 'perl PigStreaming.pl - nameMap' input(stdin using PigStreaming(',')) output(stdout using PigStreaming(','));A = LOAD 'file';B = STREAM B THROUGH CMD;

Register

register用于将jar文件导入到pig脚本，这样就可以使用jar文件中的一些函数。类似于在eclipse中通过import导入包以及在visual studio中通过#include来引入一个包。

使用方法是：

register alias;

其中alias 是jar file的路径。

example:

REGISTER /src/myfunc.jar;A = LOAD 'students';B = FOREACH A GENERATE myfunc.MyEvalFunc($0);

在上面的这段脚本中，将myfunc.jar这个包添加到当前目录中，然后才可以调用这个包中的 myfunc这个函数以及它的MyEvalFunc这个方法。

Foreach ... Generate...

此关键词的用法是：

alias_A = foreach alias_B generate alias_C,...;

解释： 通过便利alia_B的每一行，根据 其中的变量alias_C等产生新的结构元祖；

注意：alias_C必须是alias_B中的元祖的组成元素。

Group

产生分组；

用法： A =Group B By C;

关于模式：

如果在load的时候没有数据类型，那么默认的数据类型是：byteArray; 即字节数组；
如果load的时候，没有as后面的部分，那么引用的时候可以使用$0,$1等来引用元组中内容；

grunt> record_without_as = load 'sample.txt';    grunt> p_recorded = foreach record_without_as generate $0,$1,$2;

 LOAD 加载时候的问题：

1. 如果原有的数据是以逗号等分割的，有时候pig不能智能的去分割，这时候使用 PigStorage来完成

a = load 'test2.txt' using PigStorage(',') as (sim_id, cell, time);

关于向pig脚本传入参数的问题

如果pig脚本的输入输出需要通过变量来控制的话，那么：

pig -param input_dir="cell_data_test1.txt" -param output_dir="output_pig/test1" -x local test.pig