|
这篇文章讨论了pig和hive的特性。 开发者通常处于选择满足业务需求的技术体系。 在hadoop体系中，pig和hive很相似，并能给出几乎相同的结果，但是那种技术更适合特殊的业务场景了？这里列出了pig和hive的一些对比。
PIG and Hive:
流类型：
Pig是过程式数据流语言。过程式语言通常按照一步一步的执行方式去编写，你能够控制和优化每一步。
Hive更像sql，因此，它是声明式语言，你要指定需要做什么而不是怎么做。Hive依靠自己的优化器，因此hive中优化是比较难的。
易用性：
Pig拥有新而不同的语法，需要额外的时间去学习。
Hive更像sql，开发者会更兴奋的去使用hive.
一般场景：
推荐
程序开发者使用Pig。主要原因是它计算高效，当你的查询有大量的join和filter时，pig更合适。
Hive更多的用于分析，它遵循Hadoop和DatawareHouse一些规则。一般更倾向使用Hive产生报表。如果你的查询join和filters比较少可以继续使用Hive，相反，如果查询拥有很多join，Hive的性能也许会降低。
数据类型：
Pig能高效处理结构化和非结构化数据。
Hive能高效的处理结构化数据。
中间层：
Pig使用变量表示数据，当要存储中间结果，可以很容易的用变量存起来并在以后引用。
Hive使用表表示数据，存储中间结果比较困难，需要创建一个表，并从其他的表插入进去。因此，呈现一个复杂的查询时，可能需要几百行的代码。
调试方式：
Pig可以使用本地模式调试。
Hive使用本来模式调试比较复杂并且很费时。
扩展性：
Pig中UDF很容易。
Hive中UDF相对麻烦。
维护性：
Pig比Hive差一点。
Hive比较简单。
持久性：
Pig中可能不会保留变量的值，每一次你都需要重新执行pig代码重新获取变量值。
Hive中即使退出当前会话外部表依然存在，因为外部表依然指向HDFS文件。
开发时间：
pig开发需要更多的时间，更多的依赖对pig的熟悉度。
SQL语句，开发时间很少。
兼容性：
RDBMS与Pig兼容有点复杂，因为pig的语法完全不同。
大部分在RDBMS中的sql可以在Hive中执行，只有少数需要修改。
数据量：
Pig处理大数据很高效。
Hive有时会内存泄露和不靠谱的性能，然而，有一些参数可以进行调整和定位问题。
|