特点：
1. 声明性语法： Pig Latin是一种声明性语言，用户只需描述想要实现的数据转换和操作，而不需要关心底层的实现细节。
2. 数据流导向： Pig Latin基于数据流模型，数据从一个操作流向另一个操作，形成一个数据流管道。
3. 关系数据模型： Pig Latin支持关系数据模型，用户可以将数据看作是表格，表格由元组（Tuple）和字段（Field）组成。
4. 扩展性： Pig Latin支持用户自定义函数（UDFs），允许用户用Java、Python等语言编写自己的函数，以满足特定的处理需求。
基本语法元素：
1. LOAD： 用于加载数据到Pig中，可以从文本文件、HBase表等多种数据源加载数据。
data = LOAD 'input.txt' USING PigStorage(',') AS (name:chararray, age:int);
2. FOREACH： 用于对每个元组执行操作，类似于关系数据库中的SELECT语句。
result = FOREACH data GENERATE name, age + 5;
3. FILTER： 用于过滤元组，只保留满足特定条件的元组。
filtered_data = FILTER data BY age > 18;
4. GROUP BY： 用于将数据分组，通常与聚合函数一起使用。
grouped_data = GROUP data BY gender;
5. JOIN： 用于合并两个或多个关系数据集。
joined_data = JOIN data1 BY id, data2 BY id;
6. STORE： 用于将结果存储到指定位置，可以是HDFS、本地文件系统等。
STORE result INTO 'output';
7. DESCRIBE： 用于查看关系的结构和字段信息。
DESCRIBE data;
8. DUMP： 用于查看关系中的数据。
DUMP data;
示例：
下面是一个简单的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/11084/Apache Pig