如今，信息的大小或数量、复杂性、种类、增长率或真实性各不相同。 这些公司在处理数据方面取得了出色的成绩。 原因是传统的技术和分析设备无法完成这项工作。 大数据一直在快速增长。 无法确定其大小。 Hadoop 能够评估大尺寸数据。 Hadoop 一直被认为是一个框架。 它已被应用于处理跨多个集群的大数据集。 Hadoop、Map Reduce 等工具能够管理如此庞大的数据量。 与此一起，Apache Hive、No SQL 也是这种收费。 信息提取被认为是必不可少的。 其原因在于非结构化文本数据的快速增长。 因此，它被认为是一个计算密集型和 MapReduce 并行的数据库管理系统。 这些被应用于评估巨大的信息量。 本文熟悉了pache hive、Apache pig等大数据工具。 此处根据一些参数对 hive 和 pig 进行了比较。 经过比较，发现蜂巢比猪表现更好。 Hadoop MapReduce 和 Spark 的主要区别在于处理方式。 Spark 能够在内存中执行此操作。 但是，Hadoop MapReduce 需要读取和写入磁盘。 因此，处理的速度是不同的。 Spark 比 MapReduce 快 100 倍
