map reduce是hadoop的一个内部组件，其他pig和hive是hadoop生态系统，意思是运行在hadoop之上。mapreduce、pig和hive的目的都是以不同的方式处理大量的数据。
mapreduce:apache实现了它。高度推荐的处理整个数据，它的时间消耗和所需的编程技能，如java（高度推荐），pyghon，ruby和其他编程语言。使用mapper和reducer函数对总数据进行聚合和排序。hadoop默认使用它。
hive:facebook实现了它。大多数分析人员，尤其是bigdata分析人员，都使用这个工具来分析数据，尤其是结构数据。后端此配置单元工具使用mapreduce进行处理。在内部配置单元使用称为hql的特殊语言，它是sql语言的子集。如果谁精通sql，他们就可以使用hive。强烈推荐用于面向数据仓库的项目。很难处理非结构化数据，尤其是无模式的数据。
pig:pig是一种脚本语言，由yahoo实现。pig和hive的主要区别在于pig可以处理任何类型的数据，无论是结构化数据还是非结构化数据。这意味着它是高度推荐的流式数据，如卫星生成的数据，现场事件，无模式的数据等。Pig首先加载数据后，程序员写一个程序依赖于数据，使其结构化。谁是编程语言Maven，他们会选择这个hadoop生态系统。

map reduce：性能优于pig或hive，但需要更多的开发时间。
pig：与map相比，开发时间短但性能差。
hve:sql类型的语言，具有一些很好的特性，比如分区和bucketing，以提高读取性能。此外，hive在读取时强制使用schema。

pig是一种数据流语言。这意味着您不能使用if语句或循环。如果你需要做大量的重复，最好是学习mapreduce。
您可以通过将pig嵌入到python脚本中来解决这个问题，但是这将花费更长的时间，因为每次循环都必须加载所有jar文件。
基本上，它归结为你花了多少时间原型与多少生产工作，你有。如果你是数据科学家或分析师，你的大部分工作都是需要大量原型的新项目。这意味着您关心的是快速获得结果。那你更喜欢Pig或 hive 。如果您在一个开发团队中，您希望基于商定的无需测试的方法构建健壮的代码，然后您会更喜欢mapreduce。
像cloudera这样的公司提供了pig、hive和其他hadoop工具包，因此您不必在两者之间进行选择。

pig用于格式化非结构化/半结构化数据格式。假设您的数据中有一个与配置单元时间戳格式不同的时间戳。您可以使用pigudf进行转换并格式化数据。这只是一个解释的示例。您可以使用pig做更多的事情。
hive基本上用于结构化数据。这可能不适用于非结构化数据。这需要更多的时间来执行，因为它转换为mapreduce作业。我建议您使用比hive快得多的impala。