Talend 使用 Pig
在本章中，让我们学习如何在 Talend 中使用 Pig 作业。
创建 Talend Pig 作业
在本节中，让我们学习如何在 Talend 上运行 Pig 作业。在这里，我们将处理 NYSE 数据以找出 IBM 的平均库存量。
为此，右键单击作业设计并创建一个新作业 – pigjob。提及作业的详细信息，然后单击"完成"。
向 Pig 作业添加组件
要将组件添加到 Pig 作业，请将四个 Talend 组件：tPigLoad、tPigFilterRow、tPigAggregate、tPigStoreResult，从托盘拖放到设计器窗口。
然后，右键单击 tPigLoad 并创建 Pig Combine 线到 tPigFilterRow。接下来，右键单击 tPigFilterRow 并创建 Pig Combine 线到 tPigAggregate。右键单击 tPigAggregate 并创建 Pig 组合线到 tPigStoreResult。
配置组件和转换
在 tPigLoad 中，将发行版称为 cloudera 和 cloudera 的版本。请注意，Namenode URI 应为"hdfs://quickstart.cloudera:8020"，资源管理器应为"quickstart.cloudera:8020"。此外，用户名应为"cloudera"。
在输入文件 URI 中，将 NYSE 输入文件的路径提供给猪作业。请注意，此输入文件应存在于 HDFS 上。
单击编辑架构，添加列及其类型，如下所示。
在 tPigFilterRow 中，选择"使用高级过滤器"选项并在过滤器选项中输入"stock_symbol == ‘IBM’"。
在 tAggregateRow 中，单击编辑架构并在输出中添加 avg_stock_volume 列，如下所示。
现在，将 stock_exchange 列放在 Group by 选项中。在 Operations 字段中添加 avg_stock_volume 列，以 count 函数和 stock_exchange 作为输入列。
在 tPigStoreResult 中，在 Result Folder URI 中给出您要存储 Pig 作业结果的输出路径。选择存储函数为 PigStorage，字段分隔符（非强制）为"\t"。
执行 Pig 作业
现在单击运行以执行您的 Pig 作业。 （忽略警告）
作业完成后，在您提到的用于存储猪作业结果的 HDFS 路径中检查您的输出。 IBM 的平均库存量为 500。
