Hive
Hive用SQL的方式去描述MapReduce。
会写SQL基本就能够写出MapReduce出来了，解放了数据分析人员。
Hive在Hadoop中是数据仓库的角色。建立在Hadoop集群的最顶层，面向行存储。 ，对存储在Hadoop群上的数据提供类SQL的接口进行操作，本身不存储和计算数据，
它完全依赖于HDFS和MapReduce。
你可以用 HiveQL进行select,join,等等类似于SQL的操作。
如果你有数据仓库的需求并且你擅长写SQL并且不想写MapReduce jobs就可以用Hive代替。
但是,在HDFS上运行HIVE还是很慢的，由此衍生出了。
Impala，Presto，Drill这样的运行在HDFS在上的SQL引擎。
Pig
Pig是接近脚本方式去描述MapReduce，
Pig是一种数据流语言，用来快速轻松的处理巨大的数据。Pig包含两个部分：Pig Interface,Pig Latin。
Pig可以非常方便的处理HDFS和HBase的数据，和Hive一样,Pig可以非常高效的处理其需要做的，通过直接操作Pig查询可以节省大量的劳动和时间。这里PIG就类似于脚本语言。
当你想在你的数据上做一些转换，并且不想编写MapReduce jobs就可以用Pig.
Pig和Hive的区别
它们把脚本和SQL语言翻译成MapReduce程序，丢给计算引擎去计算，而你就从繁琐的MapReduce程序中解脱出来，用更简单更直观的语言去写程序了。
共同点是两者目的都是将MapReduce的实现进行简化，并且读写操作数据最终都是存储在HDFS分布式文件系统上。
Hive更适合于数据仓库的任务，Hive主要用于静态的结构以及需要经常分析的工作。Hive与SQL相似促使 其成为Hadoop与其他BI工具结合的理想交集。
Pig赋予开发人员在大数据集领域更多的灵活性，并允许开发简洁的脚本用于转换数据流以便嵌入到较大的 应用程序。
Pig相比Hive相对轻量，它主要的优势是相比于直接使用Hadoop Java APIs可大幅削减代码量。正因为如此，Pig仍然是吸引大量的软件开发人员。
Hive和Pig都可以与HBase组合使用，Hive和Pig还为HBase提供了高层语言支持，使得在HBase上进行数据统计处理变的非常简单
HBase
HBase是建造在HDFS基础上的分布式数据库，可以支持海量数据（比MySQL高一到两个量级）的存储和查询，查询效率很高。
HBase为查询而生的，它通过组织起节点内所有机器的內存，提供一超大内存Hash表，它需要组织自己的数据结构，包括磁盘和内中的，而Hive是不做这个的，表在HBase中是物理表，而不是逻辑表，搜索引擎使用它来存储索引，以满足查询的实时性需求。
HBase作为面向列的数据库运行在HDFS之上，不支持sql。HDFS缺乏随即读写操作，HBase正是为此而出现。HBase以Google BigTable为蓝本，以键值对的形式存储。
你可以用Hadoop作为静态数据仓库，HBase作为数据存储，放那些进行一些操作会改变的数据。
Hive和HBase的区别
Hive是建立在Hadoop之上为了减少MapReduce jobs编写工作的批处理系统，HBase是为了支持弥补Hadoop对实时操作的缺陷的项目 。
两种情况:
全表扫描，就用Hive+Hadoop,
索引访问，就用HBase+Hadoop 。
hive是高延迟、结构化和面向分析的。
hbase是低延迟、非结构化和面向编程的。
原文链接：Hive,Pig,Hbase总结，转载请注明来源！