{"id":179405,"date":"2026-01-28T12:23:09","date_gmt":"2026-01-28T11:23:09","guid":{"rendered":"https:\/\/liora.io\/de\/?p=179405"},"modified":"2026-02-06T04:44:15","modified_gmt":"2026-02-06T03:44:15","slug":"apache-pig-alles-ueber-die-programmiersprache-von-hadoop","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/apache-pig-alles-ueber-die-programmiersprache-von-hadoop","title":{"rendered":"Apache Pig: Alles \u00fcber die Programmiersprache von Hadoop"},"content":{"rendered":"<p><strong>Apache Pig ist die Programmiersprache, mit der du Hadoop und MapReduce nutzen kannst. Hier erf\u00e4hrst du alles, was du wissen musst: Einf\u00fchrung, Anwendungsf\u00e4lle, Vorteile, Schulungen&#8230;<\/strong><\/p>\nDas <a href=\"https:\/\/liora.io\/de\/mapreduce\">MapReduce-Programmiermodell<\/a> des <a href=\"https:\/\/liora.io\/de\/hadoop\">Apache Hadoop-Frameworks<\/a> erm\u00f6glicht es, gro\u00dfe Mengen an Big Data zu verarbeiten. Allerdings beherrschen Data Analysts dieses Paradigma nicht immer. Aus diesem Grund wurde <a href=\"\/\">suivi<\/a>\n<h2 class=\"wp-block-heading\" id=\"h-was-ist-apache-pig\">Was ist Apache Pig?<\/h2>\nDie<strong> Apache Pig High Level Programming Language<\/strong> ist sehr n\u00fctzlich, um gro\u00dfe Datens\u00e4tze zu analysieren. Sie wurde urspr\u00fcnglich 2006 intern von Yahoo! entwickelt, mit dem Ziel,<strong> MapReduce-Jobs<\/strong> auf allen Datasets zu erstellen und auszuf\u00fchren.\n\nDer Name &#8222;Pig&#8220; wurde gew\u00e4hlt, weil diese Programmiersprache so konzipiert ist, dass sie auf jeder Art von Daten funktioniert, wie ein Schwein, das alles und jedes verschlingt.\n\nIm Jahr 2007 wurde Pig \u00fcber den <strong>Apache-Inkubator<\/strong> zu <a href=\"https:\/\/liora.io\/de\/open-source-definition\">Open Source<\/a> gemacht. Im Jahr 2008 wurde die erste Version von Apache Pig ver\u00f6ffentlicht. Der Erfolg ist gro\u00df und Pig wird 2010 zu einem Apache-Projekt der ersten Stufe.\n\nDurch den Einsatz von <strong>Apache Pig<\/strong> k\u00f6nnen Datenanalysten weniger Zeit mit dem Schreiben von <strong>MapReduce-Programmen<\/strong> verbringen. So k\u00f6nnen sie sich weiterhin auf die Analyse von Datens\u00e4tzen konzentrieren.\n\nApache Pig ist also eine Abstraktion f\u00fcr MapReduce. Dieses Werkzeug wird verwendet, um gro\u00dfe Datasets zu analysieren, indem es sie als Datenstr\u00f6me darstellt. Alle Datenmanipulationsoperationen auf Hadoop k\u00f6nnen mit Apache Pig durchgef\u00fchrt werden.\n\n<iframe title=\"Basic Introduction to Apache Hadoop\" width=\"500\" height=\"375\" src=\"https:\/\/www.youtube.com\/embed\/OoEpfb6yga8?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<h2 class=\"wp-block-heading\" id=\"h-die-apache-pig-architektur\">Die Apache Pig-Architektur<\/h2>\nDie<strong> Apache Pig-Architektur<\/strong> basiert auf zwei Hauptkomponenten: der Sprache Pig Latin und der Laufzeitumgebung, die die Ausf\u00fchrung von PigLatin-Programmen erm\u00f6glicht.\n\nDie Sprache Pig Latin erm\u00f6glicht das Schreiben von <a href=\"https:\/\/liora.io\/de\/unit-tests-in-der-datenanalyse\">Programmen zur Datenanalyse<\/a>. Sie liefert verschiedene Operatoren, die Programmierer verwenden k\u00f6nnen, um ihre eigenen Funktionen zum Lesen, Schreiben oder Verarbeiten von Daten zu entwickeln.\n\nEin Pig Latin-Programm besteht aus einer Reihe von Transformationen oder Operationen, die auf die &#8222;Input&#8220;-Daten (Eingabe) angewendet werden, um eine &#8222;Output&#8220;-Daten zu erzeugen. Diese Operationen beschreiben einen Datenstrom, der von der Hadoop-Pig-Laufzeitumgebung in eine ausf\u00fchrbare Darstellung \u00fcbersetzt wird.\n\nUm Daten mithilfe von Apache Pig zu analysieren, m\u00fcssen Programmierer unbedingt Skripte mit der Sprache Pig Latin schreiben. Alle diese Skripte werden intern in Map- und Reduce-Aufgaben umgewandelt. Die Pig-Engine-Komponente \u00fcbernimmt die Aufgabe, die Skripte in MapReduce-Jobs umzuwandeln.\n\nDer <strong>Programmierer hat jedoch nicht einmal Kenntnis von diesen Jobs.<\/strong> Auf diese Weise erm\u00f6glicht Pig den Programmierern, sich auf die Daten zu konzentrieren, anstatt auf die Art der Ausf\u00fchrung.\n\nBei Pig wird zwischen zwei Ausf\u00fchrungsmodi unterschieden. Der lokale Modus wird auf einer einzelnen JVM ausgef\u00fchrt und verwendet das lokale Dateisystem. Dieser Modus eignet sich f\u00fcr die Analyse kleiner Datens\u00e4tze.\n\nIm<strong> Map Reduce-Modus<\/strong> werden die in Pig Latin geschriebenen Anfragen in MapReduce-Jobs \u00fcbersetzt und auf einem Hadoop-Cluster ausgef\u00fchrt. Dieser kann teilweise oder vollst\u00e4ndig verteilt sein. Der MapReduce-Modus in Kombination mit einem vollst\u00e4ndig verteilten Cluster ist n\u00fctzlich, um Pig auf gro\u00dfen Datens\u00e4tzen auszuf\u00fchren.\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Mehr \u00fcber Apache Pig lernen<\/a><\/div><\/div>\n\n<h2 class=\"wp-block-heading\" id=\"h-warum-apache-pig-verwenden\">Warum Apache Pig verwenden?<\/h2>\nIn der Vergangenheit war es f\u00fcr Programmierer, die<a href=\"https:\/\/liora.io\/de\/java-grundlagen-wir-erklaerens-dir-jdk-jre-und-jvm\"> Java nicht beherrschten<\/a>, schwierig, Hadoop zu nutzen. Besonders schwierig war es f\u00fcr sie, MapReduce-Aufgaben zu erledigen.\n\nDieses Problem konnte mit Apache Pig gel\u00f6st werden. Durch die Verwendung der Sprache Pig Latin k\u00f6nnen Programmierer MapReduce-Aufgaben einfach durchf\u00fchren, ohne komplexe Codes in Java eintippen zu m\u00fcssen.\n\nDar\u00fcber hinaus basiert Apache Pig auf einem &#8222;Multi-Request&#8220;-Ansatz, der die L\u00e4nge des Codes reduziert. Eine Operation, die in Java 200 Zeilen Code erfordern w\u00fcrde, kann mit Pig auf nur 10 Zeilen reduziert werden. Im Durchschnitt reduziert Apache Pig die Entwicklungszeit um den Faktor 16.\n\nEin Vorteil der Sprache Pig Latin ist, dass sie der <a href=\"https:\/\/liora.io\/de\/microsoft-sql-server-alles-was-du-wissen-musst\">Sprache SQL<\/a> relativ \u00e4hnlich ist. Eine Person, die an SQL gew\u00f6hnt ist, wird Pig leicht beherrschen.\n\nSchlie\u00dflich werden viele Operatoren nativ bereitgestellt. Sie unterst\u00fctzen die verschiedenen Datenoperationen. Das Tool bietet auch Datentypen wie Tupel, Bags und Maps, die in MapReduce fehlen.\n\n?Auch interessant:\n<table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\">\n<colgroup>\n<col width=\"426\"><\/colgroup>\n<tbody>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Spark&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-spark\"><a href=\"https:\/\/liora.io\/de\/apache-spark\" target=\"_blank\" rel=\"noopener\">Apache Spark<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Kafka&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-kafka\"><a href=\"https:\/\/liora.io\/de\/apache-kafka\" target=\"_blank\" rel=\"noopener\">Apache Kafka<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Cassandra&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-cassandra-die-beliebteste-nosql-bdd\"><a href=\"https:\/\/liora.io\/de\/apache-cassandra-die-beliebteste-nosql-bdd\" target=\"_blank\" rel=\"noopener\">Apache Cassandra<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Schulung&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-schulung-wie-lerne-ich-hadoop-spark-und-cassandra\"><a href=\"https:\/\/liora.io\/de\/apache-schulung-wie-lerne-ich-hadoop-spark-und-cassandra\" target=\"_blank\" rel=\"noopener\">Apache Schulung<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Airflow&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-airflow-was-ist-das-und-wie-kann-man-es-nutzen\"><a href=\"https:\/\/liora.io\/de\/apache-airflow-was-ist-das-und-wie-kann-man-es-nutzen\" target=\"_blank\" rel=\"noopener\">Apache Airflow<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Flume&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-flume-was-ist-das-wozu-dient-es\"><a href=\"https:\/\/liora.io\/de\/apache-flume-was-ist-das-wozu-dient-es\" target=\"_blank\" rel=\"noopener\">Apache Flume<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Storm&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-storm-was-ist-das-wozu-benutzt-man-es\"><a href=\"https:\/\/liora.io\/de\/apache-storm-was-ist-das-wozu-benutzt-man-es\" target=\"_blank\" rel=\"noopener\">Apache Storm<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2 class=\"wp-block-heading\" id=\"h-die-anwendungen-von-apache-pig\">Die Anwendungen von Apache Pig<\/h2>\nApache Pig wird in der Regel von <a href=\"https:\/\/liora.io\/de\/data-scientist-vs-data-analyst-welche-unterschiede-gibt-es\">Datenwissenschaftlern<\/a> verwendet, um Aufgaben zu erledigen, die Hadoop-Verarbeitung und Rapid Prototyping beinhalten. Es wird insbesondere zur Verarbeitung riesiger <a href=\"https:\/\/liora.io\/de\/data-source-definition-und-details-zu-ihrer-funktionsweise\">Datenquellen wie Web-Logs verwendet.<\/a>\n\nDas Tool erm\u00f6glicht auch die Verarbeitung von Daten f\u00fcr Forschungsplattformen. Schlie\u00dflich kann es auch zeitkritische Datenlasten verarbeiten.\n<h2 class=\"wp-block-heading\" id=\"h-die-eigenschaften-und-starken-von-apache-pig\">Die Eigenschaften und St\u00e4rken von Apache Pig<\/h2>\nHier sind die wichtigsten Merkmale und Funktionen von Apache Pig. Die Programmiersprache <strong>P\u00efg Latin, die SQL \u00e4hnelt, macht es einfach, ein Pig-Skript zu schreiben.<\/strong>\n\nEin gro\u00dfer Satz von Operatoren erm\u00f6glicht eine Vielzahl von Datenoperationen. Ausgehend von diesen Operatoren k\u00f6nnen die Benutzer ihre eigenen Funktionen zum Lesen, Verarbeiten und Schreiben von Daten entwickeln.\n\nEs ist auch m\u00f6glich, UDFs (user-defined functions) oder benutzerdefinierte Funktionen in anderen Programmiersprachen wie Java zu erstellen. Sie k\u00f6nnen dann aufgerufen oder in Pig-Skripte eingebaut werden.\n\nDar\u00fcber hinaus optimieren <strong>Apache-Pig-Aufgaben<\/strong> automatisch ihre Ausf\u00fchrung. Programmierer k\u00f6nnen sich also ausschlie\u00dflich auf die Semantik der Sprache konzentrieren.\n\nMit Apache Pig ist es m\u00f6glich, alle Arten von strukturierten und unstrukturierten Daten zu analysieren. Die Ergebnisse der Analysen werden im<a href=\"https:\/\/liora.io\/de\/hdfs-hadoop-distributed-file-system-was-ist-das\"> HDFS von Apache Hadoop gespeichert.<\/a>\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"439\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/schema_hadoop-116-1024x562.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/schema_hadoop-116-1024x562.png 1024w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/schema_hadoop-116-300x165.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/schema_hadoop-116-768x422.png 768w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/schema_hadoop-116-1536x843.png 1536w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/schema_hadoop-116-2048x1124.png 2048w\" sizes=\"(max-width: 800px) 100vw, 800px\"><figcaption><\/figcaption><\/figure>\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/weiterbildung-data-engineer\">Apache Pig lernen<\/a><\/div><\/div>\n\n<h2 class=\"wp-block-heading\" id=\"h-apache-pig-vs-mapreduce\">Apache Pig vs MapReduce<\/h2>\nEs gibt einige wichtige Unterschiede zwischen <strong>Apache Pig<\/strong> und MapReduce. Zun\u00e4chst einmal ist MapReduce ein Paradigma zur Datenverarbeitung, w\u00e4hrend Pig eine Sprache f\u00fcr Datenstr\u00f6me ist.\n\nEs ist eine Hochsprache, w\u00e4hrend MapReduce eine Low-Level-Sprache ist. Es ist schwierig, mit MapReduce eine Joint-Operation zwischen Datasets durchzuf\u00fchren, w\u00e4hrend dies mit Pig eine einfache Aufgabe ist.\n\nJeder Programmierer mit Kenntnissen in SQL kann mit Apache Pig arbeiten, w\u00e4hrend f\u00fcr MapReduce Java-Kenntnisse erforderlich sind.\n\nEin weiterer Unterschied betrifft die L\u00e4nge der Codezeilen. Dank seines <strong>Multi-Query-Ansatzes<\/strong> ben\u00f6tigt <strong>Apache Pig<\/strong> 20-mal weniger Zeilen als MapReduce, um die gleiche Aufgabe zu erledigen.\n\nSchlie\u00dflich beinhalten Mapreduce-Aufgaben einen langen Kompilierungsprozess. Bei Pig ist keine Kompilierung erforderlich, da jeder Operator zur Laufzeit intern in einen MapReduce-Job umgewandelt wird.\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"439\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2021\/06\/illu_schema_mapreduce-04.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2021\/06\/illu_schema_mapreduce-04.png 1024w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2021\/06\/illu_schema_mapreduce-04-300x165.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2021\/06\/illu_schema_mapreduce-04-768x422.png 768w\" sizes=\"(max-width: 800px) 100vw, 800px\">\n\n<figcaption><\/figcaption><\/figure>\n<h2 class=\"wp-block-heading\" id=\"h-apache-pig-vs-sql\">Apache Pig vs SQL<\/h2>\nApache Pig hat \u00c4hnlichkeiten mit SQL, aber auch Unterschiede. W\u00e4hrend Pig Latin eine prozedurale Sprache ist, ist SQL eine deklarative Sprache.\n\nAu\u00dferdem ist ein Schema in SQL obligatorisch, w\u00e4hrend es bei Pig optional ist. Es ist m\u00f6glich, Daten zu speichern, ohne ein Schema zu entwerfen.\n\nEs gibt mehr M\u00f6glichkeiten zur <a href=\"https:\/\/liora.io\/de\/power-bi-mit-sql-server-verbinden-so-gehts\">Abfrageoptimierung in SQL,<\/a> w\u00e4hrend diese in Pig eingeschr\u00e4nkt sind. Au\u00dferdem kann man mit Pig Latin eine Pipeline zerlegen, Daten \u00fcberall in der Pipeline speichern und ETL-Funktionen (Extraktion, Transformation, Laden) ausf\u00fchren.\n<h2 class=\"wp-block-heading\" id=\"h-apache-pig-vs-hive\">Apache Pig vs Hive<\/h2>\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"300\" height=\"165\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/illu_hive_blog-01-removebg-preview-300x165.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/illu_hive_blog-01-removebg-preview-300x165.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/illu_hive_blog-01-removebg-preview.png 674w\" sizes=\"(max-width: 300px) 100vw, 300px\">\n\n<figcaption><\/figcaption><\/figure>\n<strong>Apache Pig<\/strong> wurde von Yahoo und Hive von Facebook entwickelt. Ersteres verwendet die Sprache Pig Latin, letzteres die Sprache HiveQL.\n\nW\u00e4hrend Pig Latin eine Datenflusssprache und eine prozedurale Sprache ist. HiveQL ist eine Sprache zur Verarbeitung von Abfragen und eine deklarative Sprache.\n\nHive schlie\u00dflich unterst\u00fctzt haupts\u00e4chlich strukturierte Daten. Pig wiederum kann strukturierte, unstrukturierte und halbstrukturierte Daten unterst\u00fctzen.\n\nDa immer mehr Unternehmen Big Data einsetzen, ist die Beherrschung von Apache Pig eine sehr gefragte F\u00e4higkeit. Sie ist sehr n\u00fctzlich, um gro\u00dfe Datens\u00e4tze mit Hadoop einfach zu verarbeiten und zu analysieren.\n\nUm den Umgang mit diesem Werkzeug zu erlernen, kannst du dich f\u00fcr die Liora-Schulungen entscheiden. Das Apache Hadoop-Framework und seine verschiedenen Komponenten wie Pig, Hive, Spark und HBase stehen auf dem Lehrplan des Moduls Big Data Volume der Data Engineer-Ausbildung.\n\nDie anderen Module dieses Lehrgangs sind Programmierung, Datenbanken, Automatisierung und Einsatz. Nach Abschluss dieses Kurses wirst du alle F\u00e4higkeiten besitzen, um als Data Engineer zu arbeiten.\n\nAlle unsere Kurse werden als Weiterbildung oder als Bootcamp angeboten. <a href=\"https:\/\/liora.io\/de\/blended-learning-fortbildung-wie-waere-es-mit-data-science\">Unser innovativer &#8222;Blended Learning&#8220;-Ansatz<\/a> verbindet Pr\u00e4senzlernen mit Online-Fernunterricht.\n\nDie Lernenden erhalten ein von der Universit\u00e4t Sorbonne zertifiziertes Diplom, und 93 % der Alumni haben sofort einen Job gefunden. Warte nicht l\u00e4nger und entdecke die berufsbegleitende<strong> Weiterbildung zum Data Engineer.<\/strong>\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/weiterbildung-data-engineer\">Data Engineer Weiterbildung entdecken<\/a><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Apache Pig ist die Programmiersprache, mit der du Hadoop und MapReduce nutzen kannst. Hier erf\u00e4hrst du alles, was du wissen musst: Einf\u00fchrung, Anwendungsf\u00e4lle, Vorteile, Schulungen\u2026<\/p>\n","protected":false},"author":78,"featured_media":179407,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-179405","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/179405","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/78"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=179405"}],"version-history":[{"count":4,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/179405\/revisions"}],"predecessor-version":[{"id":216613,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/179405\/revisions\/216613"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/179407"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=179405"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=179405"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}