大数据学习路线分享AWK详解

大数据学习路线分享AWK怎详解，awk是一个强大的文本分析工具，相对于grep的查找，sed的编辑，awk在其对数据分析并生成报告时，显得尤为强大。简单来说awk就是把文件逐行的读入，以空格为默认分隔符将每行切片，切开的部分再进行各种分析处理。
awk是在文件或者字符串中基于指定规则浏览和抽取信息，awk抽取信息后，才能进行其他文本操作。完整的awk脚本通常用来格式化文本文件中的信息。
通常，awk是以文件的一行为处理单位的。awk每接收文件的一行，然后执行相应的命令，来处理文本。
awk操作
有三种方式调用awk
1.命令行方式
awk [-F field-separator] 'commands' input-file(s)
其中，commands 是真正awk命令，[-F域分隔符]是可选的。 input-file(s) 是待处理的文件。在awk中，文件的每一行中，由域分隔符分开的每一项称为一个域。通常，在不指名-F域分隔符的情况下，默认的域分隔符是空格。
2.shell脚本方式
将所有的awk命令插入一个文件，并使awk程序可执行，然后awk命令解释器作为脚本的首行，一遍通过键入脚本名称来调用。
相当于shell脚本首行的：#!/bin/sh
可以换成：#!/bin/awk
3.将所有的awk命令插入一个单独文件，然后调用：awk -f awk-script-file input-file(s)
其中，-f选项加载awk-script-file中的awk脚本，input-file(s)跟上面的是一样的。

awk语法
1、awk命令格式
(1) awk [-F 分隔域] 'command' input-file(s)
(2) awk -f awk-script-file input-file(s)

模拟文件：
cat employee.txt
100 Thomas Manager Sales 5000
200 Jason Developer Technology 5500
300 Sanjay Sysadmin Technology 7000
400 Nisha Manager Marketing 9500
500 Randy DBA Technology 60002

2.awk操作

1.输出文件的每一行：
awk '{print $0}' ./employee.txt

2.输出/etc/passwd第一个字段
awk -F ":" '{print $1}' /etc/passwd

3.打印文件的全部内容
awk '{print $0}' employee.txt

4.抽取文件test中的第一列
awk '{print $1}' employee.txt
或者
awk -F ' ' '{print $1}' employee.txt


5.列出所有的用户名和登陆的shell名
awk -F ':' '{print $1,$6}' /etc/passwd

当分隔符为多个符号时，如：
a , b , c , d
a1 , b1 , c1 , d1
awk -F ' , ' '{print $1,$2}' 文件名

6.打印用户名为root的那一行
awk -F ':' '$1=="root" {print $0}' /etc/passwd
或者
awk -F ':' '$1=="keke" {print $1}' /etc/passwd

说明:$1=="root"和$1=="keke"都是属于判断条件

awk工作流程是这样的：读入有'n'换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域。默认域分隔符是"空白键" 或 "[tab]键"。

7.给输出信息加上表头
awk -F ":" 'BEGIN {print "nametshelln--------------------------------"}
{print $1"\t"$6}' /etc/passwd

8.给输出信息加上表头和末尾
awk -F : 'BEGIN {print "nametshelln--------------------------------"} {print $1"\t"$6}
END {print "end-of-report"}' /etc/passwd

awk -F ":" 'BEGIN {print"--BEGIN--"}

 $1=="root" { print $1} END{print"----END------"}' /etc/passwd 

awk -F ":" 'BEGIN {print"--BEGIN--"} {if( $1=="root") print $1}
END{print"----END------"}' /etc/passwd

awk工作流程是这样的：先执行BEGING，然后读取文件，读入有/n换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域,随后开始执行模式所对应的动作action。接着开始读入第二条记录······直到所有的记录都读完，最后执行END操作。

awk与mapreduce区别

1.awk主要用于单机版文件的操作
2.mapreduce则可以用于分布式文件系统，可用于对大量数据的操作，缺点是编程比awk复杂，不过在框架的支持下，编写mapreducce程序只需要负责业务逻辑即可。