Apache Pig 2nd Edition: Scripting & Hadoop Data Processing

《编程.Pig：Hadoop数据流脚本编程第二版》是由Alan Gates和Daniel Dai合著的一本权威指南，专为Apache Pig——这个开源的在Hadoop上执行并行数据流的引擎——设计。本书适合初学者入门，也为经验丰富的用户提供了深入理解和全面覆盖Pig语言特性，如Pig Latin脚本语言、Grunt命令行工具以及用户自定义函数(UDFs)的开发和使用。 第一部分，第一章介绍了Pig的基本概念，帮助读者理解这个工具在大数据处理中的作用。第二章则详细讲解了如何安装和运行Pig，确保用户能够顺利启动他们的数据处理之旅。第三章探讨了Pig的数据模型，这是理解其工作原理的关键，它展示了数据如何在Pig的环境中组织和流动。 第四至六章深入剖析了Pig Latin，这是一种面向列的、声明式的数据处理语言，让数据分析师可以编写简单的命令来处理大量数据。第五章介绍了高级特性，如复杂的逻辑和控制结构，使用户能够处理更复杂的任务。第六章则涵盖了脚本的开发和测试，强调实践的重要性。 第七章关注如何优化Pig的性能，让处理过程更为高效。第八章讨论了嵌入Pig到其他应用程序中的可能性，提升集成性和灵活性。第九和十章分别介绍了如何编写评估和过滤函数，以及加载和存储数据的函数，这些都是构建复杂数据处理流程的基础。 第十一章专门介绍了Tez的使用，Tez是Hadoop的新一代计算框架，能进一步提升Pig的性能。最后，第十二章扩展到Hadoop社区的其他组件，展示Pig与其他工具的协同工作，以及最佳实践。而第十三章则通过实际案例和编程示例，展示了Pig在各种场景下的应用和解决方案。 作为一本针对Hadoop环境的实用教程，此书不仅提供理论知识，还配以丰富的实践指导，帮助读者从数据准备到结果分析的全流程掌握Pig的使用。无论是初次接触的大数据新手，还是寻求深化理解的专业开发者，都能在《编程.Pig：Hadoop数据流脚本编程第二版》中找到所需的信息和技能提升。