前面講到了如何用MapReduce進行資料分析。當業務比較複雜的時候，使用MapReduce將會是一個很複雜的事情，比如你需要對資料進行很多預處理或轉換，以便能夠適應MapReduce的處理模式。另一方面，編寫MapReduce程式，釋出及執行作業都將是一個比較耗時的事情。
Pig的出現很好的彌補了這一不足。Pig能夠讓你專心於資料及業務本身，而不是糾結於資料的格式轉換以及MapReduce程式的編寫。本質是上來說，當你使用Pig進行處理時，Pig本身會在後臺生成一系列的MapReduce操作來執行任務，但是這個過程對使用者來說是透明的。


Pig的安裝
Pig作為客戶端程式執行，即使你準備在Hadoop叢集上使用Pig，你也不需要在叢集上做任何安裝。Pig從本地提交作業，並和Hadoop進行互動。
1）下載Pig
前往http://mirror.bit.edu.cn/apache/pig/ 下載合適的版本，比如Pig 0.12.0
2）解壓檔案到合適的目錄
tar –xzf pig-0.12.0

3）設定環境變數
export PIG_INSTALL=/opt/pig-0.12.0
export PATH=$PATH:$PIG_INSTALL/bin
如果沒有設定JAVA環境變數，此時還需要設定JAVA_HOME，比如：
export JAVA_HOME=/usr/lib/jvm/java-6-sun
4）驗證
執行以下命令，檢視Pig是否可用：
pig –help

Pig執行模式
Pig有兩種執行模式，分別為：
1）本地模式（Local）
本地模式下，Pig執行在單一的JVM中，可訪問本地檔案。該模式適用於處理小規模資料或學習之用。
執行以下命名設定為本地模式：
pig –x local
2）MapReduce模式
在MapReduce模式下，Pig將查詢轉換為MapReduce作業提交給Hadoop（可以說群集 ，也可以說偽分散式）。
應該檢查當前Pig版本是否支援你當前所用的Hadoop版本。某一版本的Pig僅支援特定版本的Hadoop，你可以通過訪問Pig官網獲取版本支援資訊。
Pig會用到HADOOP_HOME環境變數。如果該變數沒有設定，Pig也可以利用自帶的Hadoop庫，但是這樣就無法保證其自帶肯定庫和你實際使用的HADOOP版本是否相容，所以建議顯式設定HADOOP_HOME變數。且還需要設定如下變數：

export PIG_CLASSPATH=$HADOOP_HOME/etc/hadoop

下一步，需要告訴Pig它所用Hadoop叢集的Namenode和Jobtracker。一般情況下，正確安裝配置Hadoop後，這些配置資訊就已經可用了，不需要做額外的配置。
Pig預設模式是mapreduce，你也可以用以下命令進行設定：
pig –x mapreduce

執行Pig程式
Pig程式執行方式有三種:
1）指令碼方式
直接執行包含Pig指令碼的檔案，比如以下命令將執行本地scripts.pig檔案中的所有命令：
pig scripts.pig
2）Grunt方式
Grunt提供了互動式執行環境，可以在命令列編輯執行命令。
Grund同時支援命令的歷史記錄，通過上下方向鍵訪問。
Grund支援命令的自動補全功能。比如當你輸入a = foreach b g時，按下Tab鍵，則命令列自動變成a = foreach b generate。你甚至可以自定義命令自動補全功能的詳細方式。具體請參閱相關文件。
3）嵌入式方式
可以在java中執行Pig程式，類似於使用JDBC執行SQL程式。
Pig Latin編輯器
PigPen是一個Ecliipse外掛，它提供了在Eclipse中開發執行Pig程式的常用功能，比如指令碼編輯、執行等。下載地址：http://wiki.apache.org/pig/PigPen
其他一些編輯器也提供了編輯Pig指令碼的功能，比如vim等。


簡單示例
我們以查詢最高氣溫為例，演示如何利用Pig統計每年的最高氣溫。假設資料檔案內容如下（每行一個記錄，tab分割）：
1990 21
1990 18
1991 21
1992 30
1992 999
1990 23


以local模式進入pig，依次輸入以下命令（注意以分號結束語句）：
records = load ‘/home/user/input/temperature1.txt’ as (year: chararray,temperature: int);
dump records;
describe records;
valid_records = filter records by temperature!=999;
grouped_records = group valid_records by year;
dump grouped_records;
describe grouped_records;
max_temperature = foreach grouped_records generate group,MAX(valid_records.temperature);
--備註：valid_records是欄位名，在上一語句的describe命令結果中可以檢視到group_records 的具體結構。
dump max_temperature;

最終結果為：

注意：

1）如果你執行Pig命令後報錯，且錯誤訊息中包含如下資訊：

WARN  org.apache.pig.backend.hadoop20.PigJobControl- falling back to default JobControl (not using hadoop 0.20 ?)

java.lang.NoSuchFieldException:runnerState

則可能你的Pig版本和Hadoop版本不相容。此時可重新針對特定Hadoop版本進行編輯。下載原始碼後，進入原始碼根目錄，執行以下命令：

ant clean jar-withouthadoop-Dhadoopversion=23

注意：版本號是根據具體Hadoop而定，此處23可用於Hadoop2.2.0。

也可到以下網址下載：

（因為檔案太大，分成了3個壓縮包）

2）Pig同一時間只能工作在一種模式下，比如以MapReduce模式進入後，只能讀取HDFS檔案，如果此時你用load 讀取本地檔案，將會報錯。