一种操作hadoop的轻量级脚本语言，最初又雅虎公司推出，不过现在正在走下坡路了。当初雅虎自己慢慢退出pig的维护之后将它开源贡献到开源社区由所有爱好者来维护。不过现在还是有些公司在用，不过我认为与其使用pig不如使用...

Stream(流) 的主要作用是对 集合(Collection) 中的数据进行各种操作，增加了集合对象的功能。

使用流，我们可以说明想要完成什么任务，而不是说明如何去实现它。我们讲操作的具体调度留给具体实现去解决。

Stream 的类型Stream 有分普通流和数值流，之间没有继承关系，普通流用一个泛型表示流中的数据结构类型，如 Stream数值流主要是避免重复的装箱拆箱，统一用原始数值类型（无法应用泛型指定类型），int long double，我们在做终结操作...

题解：// Challenge 1function addTwo(num) { return num + 2; }

使用的是缺省参数每个task分配200M内存「mapred.child.java.opts」

程序执行一个MapReduce，该MapReduce实现了自定义分区，总共分为4个分区，且在Driver端自定义设置reducer端num个数为4

MongoDB提供了MapReduce的聚合工具来实现任意复杂的逻辑，它非常强大，非常灵活。MapReduce使用JavaScript作为“查询语言”，能够在多台服务器之间并行执行。它会将一个大问题拆分为多个小问题，将各个小问题发送到不同的机...

上面的步骤2并不是匹配上的都能reduce，lookahead token会影响一些规则，使其延迟reduce。

Hive中的表是纯逻辑表，就只是表的定义等，即表的元数据。Hive本身不存储数据，它完全依赖HDFS和MapReduce。这样就可以将结构化的数据文件映射为为一张数据库表，并提供完整的SQL查询功能，并将SQL语句最终转换为MapReduce任务...