首先，hdfs是一个文件系统，hbase是一个数据库，所以是的，您应该考虑到这一点，因为您访问它们的方式不同。
知道了这一点，pig和hive让您比纯java更容易访问数据。例如，hive允许您以接近sql的方式查询hbase。
同样，您可以使用pig浏览和管理文件，就像使用standart机器上的shell一样。
总之，您不应该担心hadoop如何存储文件，而应该担心文件的存储位置（hdfs或hbase）。

hdfs是一个分布式文件系统，就像fxm所说的那样。
几乎所有的hadoop组件都是基于hdfs构建的。
hbase是一个将数据存储在分布式文件系统（hdfs，也可以是其他文件系统）上的数据库。
pig是一种程序设计语言，它将生成Map来减少作业。
hive是一种基于hdfs的数据库，它的sql将被生成来Mapreduce作业。
使用hive或pig的udf，您几乎可以访问hdfs上的任何格式的数据。
请原谅我的英语不好d

当数据是非结构化的并且没有模式时，使用pig。数据库推荐-hdfs。
当数据是结构化的并且有可用的模式时，使用配置单元。建议使用数据库-hbase。

hadoop生态系统中的数据需要存储在分布式文件系统中。hdfs是最流行的文件系统。
但hdfs的价值在于提供非常高的顺序读写（scan）吞吐量。如果你想要快速的随机读写呢？
这就是hbase的用武之地。hbase位于hdfs之上，支持快速随机读写。
但是你存储数据是为了问一些有趣的问题。这就是mapreduce的用武之地。在mapreduce编程范例中表达您的问题，它会得到您需要的答案。但这是低级的，你需要成为一名程序员。spark是mapreduce的另一种选择—在您需要提出比mapreduce更复杂的问题时进行了更好的优化。hive和pig是比mapreduce更高级的抽象。hive允许您用sql提问，并将sql转换为mapreduce（或spark）作业。不过，随着spark的日益普及，您可以跳过配置单元，使用sparksql（spark的dataframe/datasetapi），它也可以解释sql。
在这篇优秀的文章中，alan gates（pig项目pmc成员和programming pig的作者）解释了hive和pig之间的区别。