Apache Pig - 数据存储

在上一章中，我们学习了如何将数据加载到 Apache Pig 中。您可以使用 **store** 操作符将加载的数据存储到文件系统中。本章解释了如何使用 **Store** 操作符在 Apache Pig 中存储数据。

语法

以下是 Store 语句的语法。

STORE Relation_name INTO ' required_directory_path ' [USING function];

示例

假设我们在 HDFS 中有一个名为 **student_data.txt** 的文件，其内容如下所示。

001,Rajiv,Reddy,9848022337,Hyderabad
002,siddarth,Battacharya,9848022338,Kolkata
003,Rajesh,Khanna,9848022339,Delhi
004,Preethi,Agarwal,9848022330,Pune
005,Trupthi,Mohanthy,9848022336,Bhuwaneshwar
006,Archana,Mishra,9848022335,Chennai.

并且我们已经使用 LOAD 操作符将其读取到名为 **student** 的关系中，如下所示。

grunt> student = LOAD 'hdfs://127.0.0.1:9000/pig_data/student_data.txt' 
   USING PigStorage(',')
   as ( id:int, firstname:chararray, lastname:chararray, phone:chararray, 
   city:chararray );

现在，让我们将关系存储到 HDFS 目录 **“/pig_Output/”** 中，如下所示。

grunt> STORE student INTO ' hdfs://127.0.0.1:9000/pig_Output/ ' USING PigStorage (',');

输出

执行 **store** 语句后，您将获得以下输出。将创建具有指定名称的目录，并将数据存储在其中。

2015-10-05 13:05:05,429 [main] INFO  org.apache.pig.backend.hadoop.executionengine.mapReduceLayer.
MapReduceLau ncher - 100% complete
2015-10-05 13:05:05,429 [main] INFO  org.apache.pig.tools.pigstats.mapreduce.SimplePigStats - 
Script Statistics:
   
HadoopVersion    PigVersion    UserId    StartedAt             FinishedAt             Features 
2.6.0            0.15.0        Hadoop    2015-10-0 13:03:03    2015-10-05 13:05:05    UNKNOWN  
Success!  
Job Stats (time in seconds): 
JobId          Maps    Reduces    MaxMapTime    MinMapTime    AvgMapTime    MedianMapTime    
job_14459_06    1        0           n/a           n/a           n/a           n/a
MaxReduceTime    MinReduceTime    AvgReduceTime    MedianReducetime    Alias    Feature   
     0                 0                0                0             student  MAP_ONLY 
OutPut folder
hdfs://127.0.0.1:9000/pig_Output/ 
 
Input(s): Successfully read 0 records from: "hdfs://127.0.0.1:9000/pig_data/student_data.txt"  
Output(s): Successfully stored 0 records in: "hdfs://127.0.0.1:9000/pig_Output"  
Counters:
Total records written : 0
Total bytes written : 0
Spillable Memory Manager spill count : 0 
Total bags proactively spilled: 0
Total records proactively spilled: 0
  
Job DAG: job_1443519499159_0006
  
2015-10-05 13:06:06,192 [main] INFO  org.apache.pig.backend.hadoop.executionengine
.mapReduceLayer.MapReduceLau ncher - Success!

验证

您可以验证存储的数据，如下所示。

步骤 1

首先，使用 **ls** 命令列出名为 **pig_output** 的目录中的文件，如下所示。

hdfs dfs -ls 'hdfs://127.0.0.1:9000/pig_Output/'
Found 2 items
rw-r--r-   1 Hadoop supergroup          0 2015-10-05 13:03 hdfs://127.0.0.1:9000/pig_Output/_SUCCESS
rw-r--r-   1 Hadoop supergroup        224 2015-10-05 13:03 hdfs://127.0.0.1:9000/pig_Output/part-m-00000

您可以观察到，在执行 **store** 语句后创建了两个文件。

步骤 2

使用 **cat** 命令列出名为 **part-m-00000** 的文件的内容，如下所示。

$ hdfs dfs -cat 'hdfs://127.0.0.1:9000/pig_Output/part-m-00000' 
1,Rajiv,Reddy,9848022337,Hyderabad
2,siddarth,Battacharya,9848022338,Kolkata
3,Rajesh,Khanna,9848022339,Delhi
4,Preethi,Agarwal,9848022330,Pune
5,Trupthi,Mohanthy,9848022336,Bhuwaneshwar
6,Archana,Mishra,9848022335,Chennai

打印页面