大数据主流工具SQL与PigHive对比

Posted 2021-04-29 花生米数据

业内有这样一种说法，SQL虽然在大数据分析领域久经考验，但是无奈长江后浪推前浪，和炙手可热的Hadoop相比，SQL已经过时了。这个说法有点言过其实，现在很多的项目都是将Hadoop作为数据存储，然后利用SQL进行前端查询。这说明Hadoop需要一种高级查询语言的支持。

Hadoop MapReduce虽然能够进行数据分析，但是太复杂了。于是，开发人员开发出了类似SQL的Pig和Hive。

大数据时代，我们有很多的查询工具可以选择。虽然SQL占据着绝对优势，但是随着大数据的持续升温，也给了Apache Pig和Hive很大的发挥空间。工欲善其事必先利其器，如果选择了合适的平台和语言，会让数据的提取，处理和分析达到事半功倍的效果。

未来，数据会越来越大，数据分析必须要更易操作。处理速度快和操作简单必定成为大数据分析的主流趋势。

 主流工具 SQL  Pig  Hive 简单介绍  

SQL——结构化查询语言(SQL)是程序员的最佳伴侣，主要用于处理和提取数据。大数据改变了数据处理和可视化的方式。但是SQL严格的关系数据库模式和声明特性依然是数据分析的标杆。尽管SQL市场广阔，但是大数据也对SQL的功能和性能提出了挑战。

Pig——适合有SQL背景的程序员学习，其有以下两个特点：

1.放宽了对数据存储的要求

2.可以操作大型数据集

Apache Pig是雅虎在2006年开发，除了上述特点，它还有很好的可扩展性和性能优化。 

Apache Pig允许开发人员跟踪多个查询方法，从而降低了数据的重复检索。它支持复合数据类型(Map、Tuple、Bag)，支持常见的数据操作，例如筛选、排序和Join。Apache Pig的这些特性得到了世界各地用户的认可，就连雅虎和推特也采用了Apache Pig。

Hive——尽管Apache Pig性能优异，但是它要求程序员要掌握SQL之外的知识。Hive和SQL非常相似，虽然Hive查询语言(HQL)有一定的局限性，但它仍然是非常好用的。Hive为MapReduce提供了很好的开源实现。它在分布式处理数据方面表现很好，不像SQL需要严格遵守模式。

　　

数据的提取、处理和分析没有一个万全之策，需要综合多种因素来选择，例如数据存储方法，编程语言结构以及预期的结果。

 适用场景对比  

　　

Pig  VS  SQL  

SQL在DBMS系统的运行速度要比MapReduce(Pig运行在PigLatin平台)快。然而，RDBMS的数据加载很具挑战，设置困难。 PigLatin在声明式执行计划、ETL流程和管道修改方面更有优势。

　　

在很大程度上，SQL是声明式语言，而PigLatin是过程语言。SQL主要是指定完成的对象，即要完成“什么”，而Pig主要是制定完成的方式，即“如何”执行一个任务。在执行之前，Pig脚本要转化成MapReduce任务。不过，Pig脚本比相应的MapReduce任务要短，显著缩短了开发时间。

　　

Hive  VS  SQL  

SQL是一个被广泛用于事务性和分析查询的通用数据库语言。而Hive是以数据分析为目标而设计的，这也决定了Hive会缺少更新和删除功能，但是读取和处理海量数据的能力会很强。Hive和SQL是非常相似的，最主要的区别就是Hive缺少更新和删除功能。

尽管Hive和SQL有所区别，但是如果你有SQL背景，就可以平稳过渡到Hive。另外，一定要注意两者在结构和语法上的差异。

相信大家通过上面对Pig、Hive和SQL的介绍，对它们都有了一定的了解，下面我们就来介绍一下它们的具体适用场景。

　　

Apache Pig 的适用场景  

Apache Pig适用于非结构化的数据集，可以充分利用SQL。Pig无需构建MapReduce任务，如果你有SQL学习的背景，那么入门会非常快。

　　

Apache Hive 的应用场景  

很多企业都需要对历史数据进行分析，Hive就是一款分析历史数据的利器。但是Hive只有在结构化数据的情况下才能大显神威。Hive的软肋是实时分析，如果想要进行实时分析，可以采用HBase。

　　

SQL 的应用场景  

SQL是三者之中资历最老的数据分析工具，随着用户需求的不断变更，SQL也在不断的自我更新，现在仍然是一个与时俱进的工具。对专业的数据分析师来说，毫无疑问，SQL比Excel要强，但是，它在快速处理和分析数据方面仍然存在着短板。如果数据要求不是很苛刻，SQL是一个很好的选择，它的广泛性和灵活性得到了开发人员的认可。

因为绝大数的开发人员都熟悉SQL，所以可以马上上手，同时SQL还提供了一些扩展和优化功能，可以根据需求来定制产品。

 

现在还没有任何一个工具可以适用所有的数据，SQL、Pig和Hive都有各自的适用场景，所以适合自己应用场景的工具就是最好的工具。

---