前面已经介绍过Pig是在Hadoop的MapReduce上构建的一种类似SQL的脚本语言。Pig语言比使用Java、C++等语言编写大规模数据处理程序的难度要小N倍，实现同样效果的代码量也少N倍。Pig可以和Java/C/Shell语言互相配合，生成自定义函数（UDF），所以Pig虽是一种脚本语言，又具有Java/C/Shell等语言的优势。

Pig语言在本质上就是一种可以直接使用的SQL语言。我们在使用SQL语言的时候，需要将数据库变为SQLite等形式的数据库，用C等语言来调用或者进入SQLite等中再使用SQL，而Pig语言可以直接对文本进行操作，所以尽管它在本质上是一种SQL，但是却可以在文本上操作，所以非常利于处理文本等海量数据。

关于Pig最好的参考资料就是Pig的官方参考手册，网址为http://pig.apache.org/docs。
Pig语言中的关系（relation）、包（bag）、元组（tuple）、字段（field）、数据（data）的特点：

一个关系（relation）是一个包（bag），更具体地说，是一个外部的包（outer bag）。

一个包（bag）是一个元组（tuple）的集合。在Pig中，当表示数据时，用大括号{}括起来的东西表示一个包——无论是在教程中的实例演示，还是在Pig交互模式下的输出，都遵循这样的约定，请牢记这一点，因为不理解的话就会对数据结构的掌握产生偏差。

一个元组（tuple）是若干字段（field）的一个有序集（ordered set）。在Pig中，当表示数据时，用小括号()括起来的东西表示一个元组。

一个字段是一块数据（data）。

可以把“元组”想象成关系型数据库表中的一行，它含有一个或多个字段，其中，每一个字段可以是任何数据类型，并且可以有或者没有数据。

“关系”可以比喻成关系型数据库的一张表。在关系型数据库中，同一张表中的每一行都有固定的字段数，Pig中的“关系”与“元组”之间是否也是这样的情况呢？不是的。“关系”并不要求每一个“元组”都含有相同数量的字段，并且也不会要求各“元组”中在相同位置处的字段具有相同的数据类型。

Pig中可以嵌套使用Shell进行辅助处理，下面就以一个实际的例子来说明。

假设我们在某一步Pig处理后，得到类似下面b.txt中的数据：

\[root@localhost pig\]$ cat b.txt
1　5　 98　= 7
34　8 6 3 2
62　0 6 = 65

问题：如何将数据中第4列中的“=”符号全部替换为9999？
Pig代码及输出结果如下：

grunt> A = LOAD 'b.txt' AS (col1:int, col2:int, col3:int, col4:chararray, col5:int);
grunt> B = STREAM A THROUGH 'awk'{if($4 == "=") print $1"＼t"$2"＼t"$3"＼t9999＼t"$5; else print $0}";
grunt> DUMP B;
(1,5,98,9999,7)
(34,8,6,3,2)
(62,0,6,9999,65)

我们来看看这段代码是如何做到的：

第一句代码：加载数据。

第二句代码：通过“STREAM…THROUGH…”的方式，我们可以调用一个Shell语句，用该Shell语句对A的每一行数据进行处理。此处的Shell逻辑为：当某一行数据的第4列为“=”符号时，将其替换为“9999”，否则就照原样输出。

第三句代码：输出B。