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
〇蜂巢Vs猪
Hive是一个SQL接口，允许SQL精明的用户或其他工具，如Tableu/Microstrategy/任何其他工具或语言，有SQL接口。
PIG更像是一个ETL管道，有一步一步的命令，比如声明变量、循环、迭代、条件语句等。
当我想编写复杂的分步逻辑时，我更喜欢编写Pig脚本而不是hive QL。当我很舒服地写一个sql拉数据我想我使用Hive。对于hive，你需要在查询之前定义表(就像你在RDBMS中做的那样)
两者的目的不同，但在引子下，两者都做相同的，转换为映射减少程序。此外，Apache开源社区正在为这两个项目添加越来越多的特性
其他回答
简单来说，Pig是一个高级平台，用于创建与Hadoop一起使用的MapReduce程序，使用Pig脚本我们将把大量数据处理成所需的格式。
一旦得到处理后的数据，这些处理后的数据就会保存在HDFS中，以便后续处理以获得所需的结果。
在存储的处理数据之上，我们将应用HIVE SQL命令来获得所需的结果，在内部这个HIVE SQL命令运行MAP Reduce程序。
Pig允许在管道中的任何位置加载数据和用户代码。如果数据是流数据，例如来自卫星或仪器的数据，这一点可能特别重要。
Hive是基于RDBMS的，它需要首先导入(或加载)数据，然后才能对其进行处理。因此，如果您在流数据上使用Hive，您将不得不不断填充桶(或文件)，并在每个填充桶上使用Hive，同时使用其他桶来继续存储新到达的数据。
Pig也使用惰性求值。它使编程变得更加容易，人们可以用它来以不同的方式分析数据，比在像Hive这样的SQL类语言中更自由。因此，如果你真的想分析一些你拥有的非结构化数据中的矩阵或模式，并想对它们进行有趣的计算，使用Pig你可以走得很远，而使用Hive，你需要其他东西来处理结果。
Pig在数据导入方面更快，但在实际执行方面比像Hive这样的RDBMS友好语言要慢。
Pig非常适合并行化，因此它可能在数据集庞大的系统中具有优势，即在您更关心结果吞吐量而不是延迟(获得任何特定结果数据的时间)的系统中。
我找到了下面有用的链接来探索如何以及何时使用HIVE和PIG。
http://www.hadoopwizard.com/when-to-use-pig-latin-versus-hive-sql/
看看“dezyre”文章中关于猪和蜂巢的坚果壳比较
Hive在分区、服务器、Web接口和JDBC/ODBC支持方面优于PIG。
一些差异:
Hive is best for structured Data & PIG is best for semi structured data Hive is used for reporting & PIG for programming Hive is used as a declarative SQL & PIG as a procedural language Hive supports partitions & PIG does not Hive can start an optional thrift based server & PIG cannot Hive defines tables beforehand (schema) + stores schema information in a database & PIG doesn't have a dedicated metadata of database Hive does not support Avro but PIG does. EDIT: Hive supports Avro, specify the serde as org.apache.hadoop.hive.serde2.avro Pig also supports additional COGROUP feature for performing outer joins but hive does not. But both Hive & PIG can join, order & sort dynamically.
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.
