我的背景——在Hadoop世界工作了4周。使用Cloudera的Hadoop VM对Hive, Pig和Hadoop进行了一些尝试。已阅读谷歌关于Map-Reduce和GFS的论文(PDF链接)。
我明白——
猪的语言猪的拉丁语是一种转变 来自(适合程序员的思维方式) SQL喜欢声明式的 编程和Hive的查询语言密切相关 类似于SQL。 Pig位于Hadoop之上 原则也可以凌驾于之上 德律阿得斯。我可能错了，但蜂巢错了 与Hadoop紧密耦合。 都是Pig Latin和Hive命令 编译映射和减少作业。
我的问题是——当一个(比如猪)可以达到目的时，拥有两者的目标是什么?难道只是因为雅虎宣传了Pig !和Facebook的Hive ?
当前回答
您可以通过pig/hive查询实现类似的结果。主要的区别在于理解/编写/创建查询的方法。
Pig倾向于创建数据流:在每个步骤中进行一些处理的小步骤 Hive提供了类似SQL的语言来操作数据，因此从RDBMS转换更容易(Pig对于没有SQL经验的人来说更容易)
同样值得注意的是，对于Hive来说，你可以很好的界面来处理这些数据(Beeswax for HUE，或Hive web界面)，它还为你提供了关于你的数据的信息(模式等)的亚metastore，这是关于你的数据的一个有用的中心信息。
我同时使用Hive和Pig，用于不同的查询(我使用它可以更快/更容易地编写查询，我这样做主要是临时查询)-它们可以使用相同的数据作为输入。但目前我的大部分工作都是通过Beeswax完成的。
其他回答
这里有一些使用Pig或Hive的附加链接。
http://aws.amazon.com/elasticmapreduce/faqs/#hive-8
http://www.larsgeorge.com/2009/10/hive-vs-pig.html
有什么是HIVE可以做到的，而PIG做不到的?
分区可以使用HIVE完成，但不能在PIG中完成，这是一种绕过输出的方式。
什么是PIG可以做的，而在HIVE中是不可能的?
位置引用-即使你没有字段名，我们也可以使用像$0这样的位置来引用第一个字段，$1用于第二个字段，等等。
另一个基本区别是，PIG不需要一个模式来写值，但HIVE需要一个模式。
您可以使用JDBC和其他方法从任何外部应用程序连接到HIVE，但不能使用PIG。
注意:两者都运行在HDFS (hadoop分布式文件系统)上，语句被转换为Map Reduce程序。
Pig-latin is data flow style, is more suitable for software engineer. While sql is more suitable for analytics person who are get used to sql. For complex task, for hive you have to manually to create temporary table to store intermediate data, but it is not necessary for pig. Pig-latin is suitable for complicated data structure( like small graph). There's a data structure in pig called DataBag which is a collection of Tuple. Sometimes you need to calculate metrics which involve multiple tuples ( there's a hidden link between tuples, in this case I would call it graph). In this case, it is very easy to write a UDF to calculate the metrics which involve multiple tuples. Of course it could be done in hive, but it is not so convenient as it is in pig. Writing UDF in pig much is easier than in Hive in my opinion. Pig has no metadata support, (or it is optional, in future it may integrate hcatalog). Hive has tables' metadata stored in database. You can debug pig script in local environment, but it would be hard for hive to do that. The reason is point 3. You need to set up hive metadata in your local environment, very time consuming.
我发现这个是最有帮助的(尽管它已经有一年的历史了)——http://yahoohadoop.tumblr.com/post/98256601751/pig-and-hive-at-yahoo
它特别谈到了Pig vs Hive，以及他们在雅虎的工作时间和地点。我发现这很有见地。一些有趣的笔记:
关于数据集的增量更改/更新:
方法来连接新的增量数据并使用 结果与以前的结果完全连接在一起就是 正确的方法。这只需要几分钟。标准数据库 操作可以以这种增量的方式在Pig Latin中实现， 这使得Pig成为这个用例的好工具。
关于通过流媒体使用其他工具:
猪与流媒体的集成也使研究人员很容易 使用他们已经调试过的Perl或Python脚本 数据集，并在一个巨大的数据集上运行。
关于使用Hive进行数据仓库:
In both cases, the relational model and SQL are the best fit. Indeed, data warehousing has been one of the core use cases for SQL through much of its history. It has the right constructs to support the types of queries and tools that analysts want to use. And it is already in use by both the tools and users in the field. The Hadoop subproject Hive provides a SQL interface and relational model for Hadoop. The Hive team has begun work to integrate with BI tools via interfaces such as ODBC.
一般来说，Pig对于ETL类型的工作负载很有用。例如，您每天需要对数据进行的一组转换。
当你需要运行特别的查询或只是想要探索数据时，Hive就会发挥作用。它有时可以作为可视化层(Tableau/Qlikview)的接口。
两者都是必不可少的，但目的不同。
