業內有這樣一種說法，SQL固然在大數據闡明規模久經檢驗，可是無奈長江后浪推前浪，和炙手可熱的Hadoop對比，SQL已顛末期了。這個說法有點言過其實，此刻許多的項目都是將Hadoop作為數據存儲，然后操作SQL舉辦前端查詢。這說明Hadoop需要一種高級查詢語言的支持。 Hadoop MapReduce固然可以或許舉辦數據闡明，可是太巨大了。于是，開拓人員開拓出了雷同SQL的Pig和Hive。

大數據時代，我們有許多的查詢東西可以選擇。固然SQL占據著絕對優勢，可是跟著大數據的一連升溫，也給了Apache Pig和Hive很大的發揮空間。工欲善其事必先利其器，假如選擇了符合的平臺和語言，會讓數據的提取，處理懲罰和闡明到達事半功倍的結果。將來，數據會越來越大，數據闡明必需要更易操縱。處理懲罰速度快和操縱簡樸肯定成為大數據闡明的主流趨勢。   　　Apache Pig，Apache Hive和SQL是當今主流的大數據東西。它們各有優勢，下面我們就先來簡樸先容Apache Pig、Apache Hive和SQL。   　

SQL   　　

布局化查詢語言(SQL)是措施員的最佳朋儕，主要用于處理懲罰和提取數據。大數據改變了數據處理懲罰和可視化的方法。可是SQL嚴格的干系數據庫模式和聲明特性依然是數據闡明的標桿。盡量SQL市場遼闊，可是大數據也對SQL的成果和機能提出了挑戰。   　　

Pig       

Apache Pig適合有SQL配景的措施員進修，其有以下兩個特點： 　　

1.放寬了對數據存儲的要求 　　

2.可以操縱大型數據集 　　

Apache Pig是雅虎在2006年開拓，除了上述特點，它尚有很好的可擴展性和機能優化。 Apache Pig答允開拓人員跟蹤多個查詢要領，從而低落了數據的反復檢索。它支持復合數據范例(Map、Tuple、Bag)，支持常見的數據操縱，譬喻篩選、排序和Join。Apache Pig的這些特性獲得了世界各地用戶的承認，就連雅虎和推特也回收了Apache Pig。 　     　

Hive 　　

盡量Apache Pig機能優異，可是它要求措施員要把握SQL之外的常識。Hive和SQL很是相似，固然Hive查詢語言(HQL)有必然的范圍性，但它仍然長短常好用的。Hive為MapReduce提供了很好的開源實現。它在漫衍式處理懲罰數據方面表示很好，不像SQL需要嚴格遵守模式。 　　 

數據的提取、處理懲罰和闡明沒有一個萬全之策，需要綜合多種因素來選擇，譬喻數據存儲要領，編程語言布局以及預期的功效。下面我們就來比擬一下Pig、Hive和SQL，看看它們各自都適合什么樣的場景。   　　

Pig VS SQL 　　

SQL在DBMS系統的運行速度要比MapReduce(Pig運行在PigLatin平臺)快。然而，RDBMS的數據加載很具挑戰，配置堅苦。 PigLatin在聲明式執行打算、ETL流程和管道修改方面更有優勢。 　　

在很洪流平上，SQL是聲明式語言，而PigLatin是進程語言。SQL主要是指定完成的工具，新加坡云主機 香港云主機，即要完成“什么”，而Pig主要是擬定完成的方法，即“如何”執行一個任務。在執行之前，Pig劇本要轉化成MapReduce任務。不外，Pig劇本比相應的MapReduce任務要短，明顯縮短了開拓時間。 　　

Hive VS SQL 　　

SQL是一個被遍及用于事務性和闡明查詢的通用數據庫語言。而Hive是以數據闡明為方針而設計的，這也抉擇了Hive會缺少更新和刪除成果，可是讀取和處理懲罰海量數據的本領會很強。Hive和SQL長短常相似的，最主要的區別就是Hive缺少更新和刪除成果。 　　

盡量Hive和SQL有所區別，可是假如你有SQL配景，就可以平穩過渡到Hive。別的，必然要留意兩者在布局和語法上的差別。 　　

相信各人通過上面臨Pig、Hive和SQL的先容，對它們都有了必然的相識，下面我們就來先容一下它們的詳細合用場景。   　　

Apache Pig的合用場景 　　

Apache Pig合用于非布局化的數據集，可以充實操作SQL。Pig無需構建MapReduce任務，假如你有SQL進修的配景，那么入門會很是快。   　　

Apache Hive的應用場景       

許多企業都需要對汗青數據舉辦闡明，Hive就是一款闡明汗青數據的利器。可是Hive只有在布局化數據的環境下才氣大顯神威。Hive的軟肋是及時闡明，假如想要舉辦及時闡明，可以回收HBase。   　　

SQL的應用場景