以下是Apache Pig的一些主要特点和组成部分：
特点：
1. 简化编程模型： Pig通过使用Pig Latin脚本提供了一种比原始的MapReduce更简洁的编程模型。Pig Latin是一种数据流语言，使得数据处理任务更易于理解和编写。
2. 优化执行计划： Pig可以通过优化执行计划来提高性能。它能够自动优化Pig Latin脚本，以生成更有效的MapReduce作业。
3. 可扩展性： Pig支持自定义函数，用户可以编写自己的函数以扩展Pig的功能。这使得用户能够适应各种特定领域的数据处理需求。
4. 适用于多种数据源： Pig能够处理多种数据源，包括结构化数据（如关系型数据库）、半结构化数据（如XML和JSON）以及非结构化数据。
5. 可与Hive集成： Pig和Hive是Apache Hadoop生态系统中的两个重要组件。它们可以相互集成，允许用户根据任务需求选择合适的工具。
组成部分：
1. Pig Latin： Pig Latin是Pig的脚本语言，类似于SQL，用于描述数据流处理操作。用户使用Pig Latin编写脚本来执行数据处理任务。
2. Grunt Shell： Grunt是Pig的交互式Shell，允许用户在命令行中输入Pig Latin命令，并查看执行结果。
3. Pig Execution Environment： Pig运行在Hadoop集群上，利用Hadoop的分布式计算能力执行数据处理任务。
4. UDF（User Defined Functions）： Pig允许用户编写自定义函数来执行特定的数据处理操作。这些函数可以用Java、Python等语言编写。
示例：
以下是一个简单的Pig Latin脚本示例，用于计算一个文本文件中各单词的出现频率：
-- 载入数据
lines = LOAD 'input.txt' AS (line:chararray);
-- 切分单词
words = FOREACH lines GENERATE FLATTEN(TOKENIZE(line)) AS word;
-- 分组并计数
word_count = GROUP words BY word;
result = FOREACH word_count GENERATE group AS word, COUNT(words) AS count;
-- 存储结果
STORE result INTO 'output';
上述脚本包括了载入数据、切分单词、分组计数以及存储结果等步骤。Pig会将这个高层次的脚本转换成底层的MapReduce作业，并在Hadoop集群上执行。
转载请注明出处：http://www.pingtaimeng.com/article/detail/11077/Apache Pig