一、pig的運行模式：
Pig 有兩種運行模式： Local 模式和 MapReduce 模式。當 Pig 在 Local 模式運行的時候， Pig 將只訪問本地一台主機；當 Pig 在 MapReduce 模式運行的時候， Pig 將訪問一個 Hadoop 集群和 HDFS 的安裝位置。這時， Pig 將自動地對這個集群進行分配和回收。因為 Pig 系統可以自動地對 MapReduce 程序進行優化，所以當用戶使用 Pig Latin 語言進行編程的時候，不必關心程序運行的效率， Pig 系統將會自動地對程序進行優化。這樣能夠大量節省用戶編程的時間。
測試示例如下：
本地模式：pig -x local test.pig 偽分布式模式下使用
MapReduce模式：pig test.pig（或者pig -x mapreduce test.pig,pig test.pig為其簡寫形式） 全分布式下使用
二、pig運行方式：
Pig 的 Local 模式和 MapReduce 模式都有三種運行方式，分別為： Grunt Shell 方式、腳本文件方式和嵌入式程序方式。下面我們將對其進行一一介紹。
1.Local 模式：
（ 1 ） Grunt Shell 方式
用戶使用 Grunt Shell 方式時，需要首先使用命令開啟 Pig 的 Grunt Shell ，只需在 Linux 終端中輸入如下命令並執行即可：
$pig –x local
這樣 Pig 將進入 Grunt Shell 的 Local 模式，如果直接輸入“ $pig ”命令， Pig 將首先檢測 Pig 的環境變量設置，然后進入相應的模式。如果沒有設置 MapReduce 環
境變量， Pig 將直接進入 Local 模式。
Grunt Shell 和 Windows 中的 Dos 窗口非常類似，這里用戶可以一條一條地輸入命令對數據進行操作。
（ 2 ） 腳本文件方式
使用腳本文件作為批處理作業來運行 Pig 命令，它實際上就是第一種運行方式中命令的集合，使用如下命令可以在本地模式下運行 Pig 腳本：
$pig –x local script.pig
其中，“ script.pig ”是對應的 Pig 腳本，用戶在這里需要正確指定 Pig 腳本的位置，否則，系統將不能識別。例如， Pig 腳本放在“ /root/pigTmp ”目錄下，那
么這里就要寫成“ /root/pigTmp/script.pig ”。用戶在使用的時候需要注意 Pig 給出的一些提示，充分利用這些能夠幫助用戶更好地使用 Pig 進行相關的操作 。
（ 3 ） 嵌入式程序方式
我們可以把 Pig 命令嵌入到主機語言中，並且運行這個嵌入式程序。和運行普通的 Java 程序相同，這里需要書寫特定的 Java 程序，並且將其編譯生成對應的 class 文
件或 package 包，然后再調用 main 函數運行程序。用戶可以使用下面的命令對 Java 源文件進行編譯：
$javac -cp pig-*.*.*-core.jar local.java
這里“ pig-*.*.*-core.jar ”放在 Pig 安裝目錄下，“ local.java ”為用戶編寫的 java 源文件，並且“ pig-*.*.*-core.jar ”和“ local.java ”需要用戶正確地指定相應的 位置。例如，我們的“ pig-*.*.*-core.jar ”文件放在“ /root/hadoop-0.20.2/ ”目錄下，“ local.java ”文件放在“ /root/pigTmp ”目錄下，所以這一條命令我們應 該寫成：$javac -cp /root/hadoop-0.20.2/ pig- 0 . 20 . 2 -core.jar /root/pigTmp/ local.java當編譯完成后， Java 會生成“ local.class ”文件，然后用戶可以通過 如下命令調用執行此文件。
$ java -cp pig-*.*.*-core.jar:. Local
2.MapReduce 模式
（1 ） Grunt Shell 方式
用戶在 Linux 終端下輸入如下命令進入 Grunt Shell 的 MapReduce 模式：
$pig –x mapreduce
（ 2 ） 腳本文件方式
用戶可以使用如下命令在 MapReduce 模式下運行 Pig 腳本文件。
$pig –x mapreduce script.pig
（3 ） 嵌入式程序
和 Local 模式相同，在 MapReduce 模式下運行嵌入式程序同樣需要經過編譯和執行兩個步驟。用戶可以使用如下兩條命令，完成相應的操作。
javac -cp pig-0.7.0-core.jar mapreduce.java
java -cp pig-0.7.0-core.jar:. mapreduce