業內有這樣一種說法，SQL雖然在大數據分析領域久經考驗，但是無奈長江后浪推前浪，和炙手可熱的Hadoop相比，SQL已經過時了。這個說法有點言過其實，現在很多的項目都是將Hadoop作為數據存儲，然后利用SQL進行前端查詢。這說明Hadoop需要一種高級查詢語言的支持。 Hadoop MapReduce雖然能夠進行數據分析，但是太復雜了。于是，開發人員開發出了類似SQL的Pig和Hive。

大數據時代，我們有很多的查詢工具可以選擇。雖然SQL占據著絕對優勢，但是隨著大數據的持續升溫，也給了Apache Pig和Hive很大的發揮空間。工欲善其事必先利其器，如果選擇了合適的平臺和語言，會讓數據的提取，處理和分析達到事半功倍的效果。未來，數據會越來越大，數據分析必須要更易操作。處理速度快和操作簡單必定成為大數據分析的主流趨勢。

Apache Pig，Apache Hive和SQL是當今主流的大數據工具。它們各有優勢，下面我們就先來簡單介紹Apache Pig、Apache Hive和SQL。

　　SQL

結構化查詢語言(SQL)是程序員的最佳伴侶，主要用于處理和提取數據。大數據改變了數據處理和可視化的方式。但是SQL嚴格的關系數據庫模式和聲明特性依然是數據分析的標桿。盡管SQL市場廣闊，但是大數據也對SQL的功能和性能提出了挑戰。

Pig

Apache Pig適合有SQL背景的程序員學習，其有以下兩個特點：

1.放寬了對數據存儲的要求

2.可以操作大型數據集

Apache Pig是雅虎在2006年開發，除了上述特點，它還有很好的可擴展性和性能優化。 Apache Pig允許開發人員跟蹤多個查詢方法，從而降低了數據的重復檢索。它支持復合數據類型(Map、Tuple、Bag)，支持常見的數據操作，例如篩選、排序和Join。Apache Pig的這些特性得到了世界各地用戶的認可，就連雅虎和推特也采用了Apache Pig。

Hive

盡管Apache Pig性能優異，但是它要求程序員要掌握SQL之外的知識。Hive和SQL非常相似，雖然Hive查詢語言(HQL)有一定的局限性，但它仍然是非常好用的。Hive為MapReduce提供了很好的開源實現。它在分布式處理數據方面表現很好，不像SQL需要嚴格遵守模式。

數據的提取、處理和分析沒有一個萬全之策，需要綜合多種因素來選擇，例如數據存儲方法，編程語言結構以及預期的結果。下面我們就來對比一下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，設置困難。 PigLatin在聲明式執行計劃、ETL流程和管道修改方面更有優勢。

在很大程度上，SQL是聲明式語言，而PigLatin是過程語言。SQL主要是指定完成的對象，即要完成“什么”，而Pig主要是制定完成的方式，即“如何”執行一個任務。在執行之前，Pig腳本要轉化成MapReduce任務。不過，Pig腳本比相應的MapReduce任務要短，顯著縮短了開發時間。

Hive VS SQL

SQL是一個被廣泛用于事務性和分析查詢的通用數據庫語言。而Hive是以數據分析為目標而設計的，這也決定了Hive會缺少更新和刪除功能，但是讀取和處理海量數據的能力會很強。Hive和SQL是非常相似的，最主要的區別就是Hive缺少更新和刪除功能。

盡管Hive和SQL有所區別，但是如果你有SQL背景，就可以平穩過渡到Hive。另外，一定要注意兩者在結構和語法上的差異。

相信大家通過上面對Pig、Hive和SQL的介紹，對它們都有了一定的了解，下面我們就來介紹一下它們的具體適用場景。

Apache Pig的適用場景

Apache Pig適用于非結構化的數據集，可以充分利用SQL。Pig無需構建MapReduce任務，如果你有SQL學習的背景，那么入門會非常快。

Apache Hive的應用場景

很多企業都需要對歷史數據進行分析，Hive就是一款分析歷史數據的利器。但是Hive只有在結構化數據的情況下才能大顯神威。Hive的軟肋是實時分析，如果想要進行實時分析，可以采用HBase。

SQL的應用場景

SQL是三者之中資歷最老的數據分析工具，隨著用戶需求的不斷變更，SQL也在不斷的自我更新，現在仍然是一個與時俱進的工具。對專業的數據分析師來說，毫無疑問，SQL比Excel要強，但是，它在快速處理和分析數據方面仍然存在著短板。如果數據要求不是很苛刻，SQL是一個很好的選擇，它的廣泛性和靈活性得到了開發人員的認可。因為絕大數的開發人員都熟悉SQL，所以可以馬上上手，同時SQL還提供了一些擴展和優化功能，可以根據需求來定制產品。

現在還沒有任何一個工具可以適用所有的數據，SQL、Pig和Hive都有各自的適用場景，所以適合自己應用場景的工具就是最好的工具。