1. Apache Pig 的优点和缺点
众所周知，我们使用Apache Pig来分析大量数据， Pig存在优点，但是， 在某些地方，也有一些缺点。在本章中，我们将讨论Apache Pig的所有优点和缺点。
2.介绍Apache Pig
Apache Pig是一种数据流语言。 它建立在Hadoop之上。 无需编写复杂的 MapReduce作业，可以更轻松地处理，清理和分析Hadoop中的“大数据”。
另外，它还有很多关系数据库特性。 此外，语言中已经包含了很好的类似于SQL join,union, distinct等更多的命令。 Pig的解决方案与关系数据库不同，它适用于“大数据”，它可以轻松地处理大型文件，而且不需要结构化数据。 另外，可以自然地将Pig用于ETL（提取转换加载）任务，因为它可以处理非结构化数据。
3. Apache Pig的优点和缺点
让我们分别讨论Apache Pig的优点和缺点：
Apache Pig的优点
减少开发时间
开发时需要更少的时间。 这是主要的优势之一。特别是考虑到 MapReduce作业的复杂性，花费时间和程序的维护。
简单易学
了解SQL的程序员，就可以编写Pig Latin来实现MapReduce作业。
程序过程语言
Apache Pig是一种非声明式的程序过程语言，与SQL不同。 可以轻松地遵循支持的命令。 在每一步数据转换中都清晰易懂。与MapReduce进行比较， 它非常简洁，不像Java，更像Python。
数据流
它是一种数据流语言。意味着所有的操作都是关于数据的， 数据转换是十分重要的。 不能创建没有数据的循环。核心就是需要始终转换和操纵数据。
易于控制执行
可以控制每一步的执行，本质上是程序性的。 直截了当。可以编写自己的UDF（用户定义函数）并注入Pipeline中的一个特定部分。
UDF
可以编写自己的UDF。
Lazy evaluation 延时执行
除非生成输出文件或输出任何消息，否则不会进行评估执行。这是逻辑执行计划的一个好处。可以优化整个程序脚本，并且优化器可以产生一个有效的执行计划。
Hadoop功能的使用
通过Pig，可以享受Hadoop提供的一切优点，比如并行化，容错性等，并且也可以具有许多关系数据库特性的功能。
对非结构化数据有效
Pig对非结构化和杂乱的大数据集非常有效。基本上，Pig是使大型非结构化数据结构化的最佳工具之一。
Base Pipeline
如果想要并行化执行并用于大量数据的UDF。可以使用Pig作为基础管道，首先完成计算量大的工作。只是在我们想要的步骤中应用我们的UDF即可。
Apache Pig 的局限性
Pig的错误处理
Pig 中UDF（Python）而产生的错误没有帮助。有时候，出现问题，但它只是在UDF中出现错误，例如exec错误，即使问题与语法或类型错误有关，它也只是一个逻辑错误。有时候，难与调试
成熟度不够完善
Pig仍然在发展中.
支持
有限的支持。
隐式数据结构模式
在Apache Pig中，数据结构模式是可选的，不是明确而是隐含地强制执行的 。由于它不强制显式模式，有时候，一个数据结构会传送为字节数组，是一种“原始”数据类型。
合适的集成编辑器
合适的编辑器，提供比语法完成更多的功能来编写Pig Latin。
延迟执行
除非转储或存储中间或最终结果，否则不执行这些命令。这增加了调试和解决问题之间的迭代。
