# Apache Pig Reviews **Vendor:** The Apache Software Foundation **Category:** [Software di analisi dei Big Data](https://www.g2.com/it/categories/big-data-analytics) **Average Rating:** 3.9/5.0 **Total Reviews:** 21 ## About Apache Pig Apache Pig è una piattaforma per l'analisi di grandi set di dati che consiste in un linguaggio di alto livello per esprimere programmi di analisi dei dati, insieme a un'infrastruttura per valutare questi programmi. La proprietà saliente dei programmi Pig è che la loro struttura è adatta a una sostanziale parallelizzazione, il che consente loro di gestire set di dati molto grandi. ## Apache Pig Reviews ### 1. Apache Pig rende facile creare pipeline di dati efficienti **Rating:** 4.5/5.0 stars **Reviewed by:** Prashant V. | Enterprise (> 1000 dip.) **Reviewed Date:** March 20, 2020 **Cosa Le piace di più di Apache Pig?** Apache Pig e il suo linguaggio di query (Pig Latin) ci hanno permesso di creare pipeline di dati con facilità. Il linguaggio è progettato per riflettere il modo in cui sono progettate le pipeline di dati, quindi scarta i dati superflui, supporta le funzioni definite dall'utente (UDF) e offre un grande controllo sul flusso dei dati. **Cosa non Le piace di Apache Pig?** Essendo Pig un linguaggio avido, non valuterà i dati finché non saranno effettivamente necessari. Quindi, gli errori non sono visibili a meno che non si tenti effettivamente di scaricare/stampare i dati. Non esiste una funzionalità di "debug" per eseguire il codice in modalità di prova. **Raccomandazioni per chi sta considerando Apache Pig:** A meno che tu non abbia già implementazioni di Pig nell'azienda su cui stai costruendo, potresti essere meglio con altre tecnologie più nuove con più **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Ho usato Pig per il pipelining e l'aggregazione dei dati. Il flusso del linguaggio riflette il flusso dei dati ed è quindi intuitivo capire cosa sta facendo la trasformazione dei dati. Tuttavia, non ha tenuto il passo con i più recenti progressi tecnologici. Se dovessi scegliere un linguaggio, sarebbe meglio optare per Hive o Spark. Pig ha anche una curva di apprendimento più ripida poiché utilizza un linguaggio proprietario (Pig Latin). ### 2. Apache Pig mi ha salvato la vita dal programmare per sempre! **Rating:** 4.5/5.0 stars **Reviewed by:** Prashanth K. | Big Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** April 18, 2020 **Cosa Le piace di più di Apache Pig?** Quello che mi piace di più di Apache Pig è quanto efficientemente possiamo scrivere qualsiasi dei nostri complessi lavori di map reduce o spark senza avere una conoscenza approfondita di Java, Python, Groovy. Inoltre, è facile controllare l'esecuzione del lavoro con l'aiuto di pig. **Cosa non Le piace di Apache Pig?** Quello che non mi piace di Apache Pig è che il debug degli errori consuma la maggior parte del tempo di sviluppo, poiché a volte può essere immaturo/instabile. Inoltre, la comunità di supporto è molto più ridotta rispetto a quella dei problemi di Hadoop MapReduce o Spark. **Raccomandazioni per chi sta considerando Apache Pig:** Per tutti voi che state affrontando la scrittura di lavori complessi con mapreduce o spark, dovreste assolutamente provare pig. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Uno dei problemi che sono riuscito a risolvere è stato ridurre la latenza utilizzando Pig, che era stata osservata in precedenza durante l'esecuzione di lavori Spark, principalmente grazie all'ottimizzazione offerta da Apache Pig. ### 3. Utile per ridurre mappe di grandi set di dati - applicazione nell'ingegneria dei trasporti per i dati di sondaggio **Rating:** 4.5/5.0 stars **Reviewed by:** Subhadipto P. | Engineer II, Enterprise (> 1000 dip.) **Reviewed Date:** July 31, 2018 **Cosa Le piace di più di Apache Pig?** Può gestire alcune delle operazioni matematiche semplici, oltre a ridurre i dati. Aggregare i dati è estremamente utile. Eseguire funzionalità DateTime in Apache Pig è davvero una caratteristica utile per risultati più veloci e rapidi. Pig lavora su set di dati di circa 150 a 180 GB al mese e li riduce in modo efficiente in, diciamo, 10-12 minuti. Consiglierei sicuramente Apache Pig a qualsiasi persona con conoscenze di base di programmazione nel campo dell'ingegneria dei trasporti per iniziare a usare Apache Pig, specialmente quando è necessario gestire enormi set di dati. **Cosa non Le piace di Apache Pig?** Non può eseguire operazioni sequenziali, come prendere righe consecutive e poi confrontarle. Tuttavia, la soluzione alternativa è classificare i segmenti, unirli e poi eseguire il compito. Il principale svantaggio risiede ancora nel fatto che non può essere utilizzato per eseguire cicli e cicli annidati su qualsiasi variabile. Hive potrebbe essere una scelta migliore in certi casi per questo motivo. **Raccomandazioni per chi sta considerando Apache Pig:** Ridurre un enorme volume di dati **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Ridurre i dati di velocità forniti da INRIX a un aggregato mensile o annuale. Pig è anche utilizzato per calcolare le prestazioni di vari segnali di traffico esistenti che altrimenti venivano calcolate utilizzando varie misure su piccola scala. Il principale vantaggio dell'utilizzo di Pig in tali operazioni è che qualsiasi agenzia cittadina può preparare i codici una volta sola e eseguirli in tutta la città, o addirittura estenderli a livello statale, rendendolo molto più efficiente, veloce e affidabile rispetto al modo tradizionale di gestirli utilizzando un database SQL. ### 4. Revisione di Apache Pig da parte di academica **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Ricerca | Piccola impresa (50 o meno dip.) **Reviewed Date:** March 22, 2020 **Cosa Le piace di più di Apache Pig?** È facile da imparare e da mettere in produzione. Automatizza importanti compiti di MapReduce in query simili a SQL. **Cosa non Le piace di Apache Pig?** - Non tutti i compiti nel Big Data possono essere completati usando pig. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Ho usato Pig mentre esploravo lo stack tecnologico dei big data e l'ho utilizzato per il processo ETL. ### 5. Ho usato Pig per AWS EMR per Hadoop **Rating:** 2.5/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Enterprise (> 1000 dip.) **Reviewed Date:** February 27, 2020 **Cosa Le piace di più di Apache Pig?** Facilità d'uso e diversità. È facile da leggere **Cosa non Le piace di Apache Pig?** Ci sono altre lingue sviluppate che hanno un vantaggio rispetto al maiale. **Raccomandazioni per chi sta considerando Apache Pig:** Dovrebbe essere in grado di affrontare le tecnologie emergenti. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Il problema è che la lunghezza del codice in Pig è troppo lunga e il vantaggio è che offre un controllo dettagliato sulla logica del codice. ### 6. Apache Pig **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Enterprise (> 1000 dip.) **Reviewed Date:** January 18, 2019 **Cosa Le piace di più di Apache Pig?** Un minor numero di istruzioni svolge grandi compiti di raccolta, caricamento e consolidamento dei dati. **Cosa non Le piace di Apache Pig?** Non ci sono abbastanza strumenti per il debug Eccezioni errate/fuorvianti **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Generazione di report Analisi dei dati Impostazione degli avvisi basati su soglie Gestione delle problematiche di produzione. ### 7. Apache Pig - Esecuzione più veloce **Rating:** 3.5/5.0 stars **Reviewed by:** Stirling N. | Reporting Manager, Amministrazione governativa, Enterprise (> 1000 dip.) **Reviewed Date:** January 10, 2018 **Cosa Le piace di più di Apache Pig?** Apache Pig è un compilatore di primo passaggio, che dà il meglio di sé utilizzando DAG. **Cosa non Le piace di Apache Pig?** Se vuoi approfondire e utilizzare strutture complesse, non è il modo migliore. **Raccomandazioni per chi sta considerando Apache Pig:** 4 grande scopo è lo strumento giusto, scoprire è, tuttavia, un affare più complicato. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Se non conosci la struttura in anticipo, allora DAG e piani di esecuzione dichiarati potrebbero essere il modo migliore per scoprirlo - poi usa SQL una volta che il piano è noto. ### 8. Apache Pig **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Marketing e pubblicità | Mid-Market (51-1000 dip.) **Reviewed Date:** March 24, 2017 **Cosa Le piace di più di Apache Pig?** 1. Facilità d'uso, le sue prestazioni 2. MapReduce è completamente astratto 3. Capacità di concatenare più lavori MR in un singolo script Pig 4. Ti permette di elaborare rapidamente grandi quantità di dati per ottenere alcune analisi **Cosa non Le piace di Apache Pig?** 1. Più lento nelle prestazioni rispetto a Spark 2. Meno supporto, ad esempio la concatenazione di stringhe consente solo 2 alla volta, non è possibile ordinare e filtrare all'interno di Group BY, ecc. 3. Non può leggere altre forme di input come csv come parquet, cosa che Spark può fare 4. La gestione degli errori deve essere migliorata. Non è facile eseguire il debug delle UDF **Raccomandazioni per chi sta considerando Apache Pig:** Sicuramente un buon punto di partenza per scrivere applicazioni di big data rapidamente. Chiunque abbia esperienza nella scrittura di query e una conoscenza di base della programmazione in Java dovrebbe essere in grado di apprendere questo linguaggio in breve tempo. È davvero utile da imparare e rende le analisi ad hoc molto convenienti. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Alcuni dei nostri pipeline di dati proprietari che coinvolgono l'elaborazione in batch sono scritti utilizzando Pig. I programmatori possono concentrarsi maggiormente sulla scrittura della logica analitica principale piuttosto che preoccuparsi di tanti mapper/riduttori per ogni sotto-compito intermedio. ### 9. Analisi dei dati potenti **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Enterprise (> 1000 dip.) **Reviewed Date:** September 17, 2017 **Cosa Le piace di più di Apache Pig?** - Sintassi simile a SQL - potente e ricco di funzionalità **Cosa non Le piace di Apache Pig?** - Molto più difficile da usare rispetto a Hive - ci vuole un po' di tempo per abituarsi e imparare rispetto a Hive **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Approfondimenti sui dati per la pubblicità programmatica ### 10. Revisione di Apache Pig **Rating:** 3.5/5.0 stars **Reviewed by:** Anson A. | Data Czar, Mid-Market (51-1000 dip.) **Reviewed Date:** December 21, 2016 **Cosa Le piace di più di Apache Pig?** creare UDAF facilmente. gestibile e facile da scrivere linguaggi Pig può essere trasmesso tramite Python e scriptato invece di scrivere un lavoro MR **Cosa non Le piace di Apache Pig?** non è veramente scalabile come scrivere un lavoro MR. le join sono facili, ma non così facili come le query hive non gestisce bene parquet non è veloce e flessibile come spark **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** i flussi del processo principale utilizzano Pig. creazione di più UDAF/UDF e altre librerie jar che solo Pig e Hive possono gestire ### 11. Apache Pig **Rating:** 5.0/5.0 stars **Reviewed by:** kevin r. | A/R Analyst - Write-offs, Internet, Enterprise (> 1000 dip.) **Reviewed Date:** March 10, 2017 **Cosa Le piace di più di Apache Pig?** L'ecosistema e il modo in cui funziona. Essere in grado di implementare e integrare ciò che usi attualmente. **Cosa non Le piace di Apache Pig?** Penso che iniziare sia un po' complicato, ma una volta che ci si abitua, può essere molto utile. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Essere in grado di utilizzare i dati in modo efficiente per quanto riguarda l'analisi. ### 12. Facile e semplice da usare **Rating:** 2.5/5.0 stars **Reviewed by:** Utente verificato in Internet | Enterprise (> 1000 dip.) **Reviewed Date:** March 10, 2017 **Cosa Le piace di più di Apache Pig?** L'ho usato nella mia vecchia azienda ed era facile da usare. Ero davvero abituato a usare SQL in precedenza, ma è stato facile adattarsi. **Cosa non Le piace di Apache Pig?** L'interfaccia utente non è la mia preferita. È difficile che non ci sia davvero una comunità così ampia che la utilizza. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Mi aiuta con i miei grandi set di dati. Sono stato in grado di fare molto più di quanto mi rendessi conto con esso. ### 13. Data Scientist **Rating:** 1.5/5.0 stars **Reviewed by:** Utente verificato in Marketing e pubblicità | Mid-Market (51-1000 dip.) **Reviewed Date:** March 01, 2017 **Cosa Le piace di più di Apache Pig?** Astrazione semplificata per eseguire mapreduce... leggibile. **Cosa non Le piace di Apache Pig?** Lento e goffo, soprattutto quando ci sono opzioni migliori come Spark. **Raccomandazioni per chi sta considerando Apache Pig:** Inizia a utilizzare Spark o Hive per sviluppare pipeline. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Analisi di grandi dataset a livello di evento. I vantaggi in passato erano, ancora una volta, la costruzione di pipeline leggibili. Le alternative all'epoca sarebbero state Hive o Java MapReduce. Ora Spark sta diventando un'opzione migliore. ### 14. Una soluzione molto buona per interrogare i big data **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Istruzione superiore | Enterprise (> 1000 dip.) **Reviewed Date:** May 26, 2016 **Cosa Le piace di più di Apache Pig?** 1. Sintassi simile a SQL. 2. Facilità d'uso. 3. Breve curva di apprendimento. 4. Facilità di manutenzione. 5. Riduzione del tempo di sviluppo. Questo è il vantaggio più grande, soprattutto considerando la complessità, il tempo impiegato e la manutenzione dei programmi dei lavori map-reduce vanilla. **Cosa non Le piace di Apache Pig?** 1. Lento per query più grandi 2. Gli errori devono essere migliorati 3. Il supporto è scarso 4. Fonte e Sink devono essere presenti 5. Soprattutto gli errori che Pig produce a causa degli UDFS (Python) non sono affatto utili. Quando qualcosa va storto, fornisce solo un errore di esecuzione nell'udf anche se il problema è legato a un errore di sintassi o di tipo, per non parlare di uno logico. Questo è un grosso problema. **Raccomandazioni per chi sta considerando Apache Pig:** Hai UDF che vuoi parallelizzare e utilizzare per grandi quantità di dati, allora sei fortunato. Usa Pig come pipeline di base dove fa il lavoro pesante e applichi semplicemente il tuo UDF nel passaggio che desideri. Valutazione pigra: a meno che tu non produca un file di output o non emetta alcun messaggio, non viene valutato. Questo ha un vantaggio nel piano logico, potrebbe ottimizzare il programma dall'inizio alla fine e l'ottimizzatore potrebbe produrre un piano efficiente da eseguire. Sfrutta tutto ciò che Hadoop offre, parallelizzazione, tolleranza ai guasti con molte funzionalità di database relazionali. Se vuoi applicare alcune statistiche al tuo dataset. Il paradigma di programmazione funzionale si adatta in modo abbastanza naturale ai processi di pipeline, quindi mi aspetto che abbia un discreto successo. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Analisi dei dati per i dati grezzi che abbiamo. L'esplorazione iniziale dei dati è stata utile con pig. ### 15. Era una buona innovazione ma non è più così rilevante ora **Rating:** 3.0/5.0 stars **Reviewed by:** Utente verificato in Internet | Mid-Market (51-1000 dip.) **Reviewed Date:** March 10, 2017 **Cosa Le piace di più di Apache Pig?** Collega più lavori MR in un unico lavoro Pig **Cosa non Le piace di Apache Pig?** Meno rilevante ora, la popolarità di Pig è sicuramente diminuita. Si sono spostati su altri strumenti. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Analisi di set di dati su larga scala ### 16. Grandi dati? Nessun problema con le operazioni! **Rating:** 5.0/5.0 stars **Reviewed by:** Gökhan E. | Technology Consultant, Piccola impresa (50 o meno dip.) **Reviewed Date:** March 07, 2016 **Cosa Le piace di più di Apache Pig?** Ho usato Apache Pig nel mio lavoro part-time che gestisce big data e gli script di Apache Pig mi hanno aiutato molto. Ho creato funzioni personalizzate che rendono più facile gestire compiti complessi e di grandi dimensioni e rendono più facile la manutenzione dopo la configurazione. Inoltre, l'ottimizzazione del sistema dei lavori di script Pig mi ha aiutato a concentrarmi sulla semantica e così via. La modalità predefinita, intendo la modalità MapReduce, è molto efficiente. **Cosa non Le piace di Apache Pig?** A volte sento che i nostri dati non sono così grandi da dover essere gestiti con uno script Pig. La sua documentazione mi fa sudare e richiede molto tempo per abituarsi. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Lo stavo usando nella piattaforma pubblicitaria e i nostri server ricevevano troppe richieste e dati. Mentre miravo a questi dati, gli script pig mi hanno aiutato molto. ### 17. Pig - Ottimo batch processing stabile **Rating:** 3.0/5.0 stars **Reviewed by:** Utente verificato in Telecomunicazioni | Enterprise (> 1000 dip.) **Reviewed Date:** May 05, 2016 **Cosa Le piace di più di Apache Pig?** È super semplice da imparare. Probabilmente in un giorno puoi imparare la sintassi. È più gradevole da vedere rispetto alle query complesse di Hive. L'elaborazione passo dopo passo dei dati e la capacità di descrivere ogni relazione è molto utile. Inoltre, puoi aggiungere le tue UDF. **Cosa non Le piace di Apache Pig?** Pig su MapReduce è LENTO! Beh, non è davvero un problema di Pig ma in generale è lento. È stabile e funziona, ma penso che ora stia diventando obsoleto con l'introduzione di Spark. È un linguaggio di scripting e non un linguaggio di programmazione completo, quindi molte delle funzionalità di base non sono disponibili e finirai per scrivere molti UDF in Java. **Raccomandazioni per chi sta considerando Apache Pig:** Usa SPARK. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Molto elaborazione in batch e enormi pipeline/flussi di lavoro per l'elaborazione dei dati. La pulizia, la manipolazione e la normalizzazione dei dati diventano facili. ### 18. Analizzare grandi quantità di dati può essere così facile con questo strumento! **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Internet | Piccola impresa (50 o meno dip.) **Reviewed Date:** March 17, 2016 **Cosa Le piace di più di Apache Pig?** Pig è un ottimo linguaggio di scripting ad alto livello per operare con grandi set di dati che funzionano sotto il progetto open-source Apache Hadoop. Questo software ti permette di trasformare e ottimizzare le operazioni sui dati in MapReduce, qualcosa che può essere impegnativo con altre piattaforme. Raccomando questo strumento ai miei clienti che hanno bisogno di gestire una grande lista di utenti che caricheranno una quantità considerevole di dati quotidianamente. Questo può aiutarti a pulire, cercare e dichiarare piani di esecuzione indipendenti facilmente. Puoi confrontare questo strumento con la programmazione SQL, ma il modo in cui questo strumento utilizza UDF ti aiuta a chiamare facilmente le funzioni direttamente con Java, Js, Python e naturalmente il grande Ruby. **Cosa non Le piace di Apache Pig?** All'inizio è stato un po' difficile abituarsi a lavorare con il suo linguaggio Pig Latin, tuttavia ci sono ottime documentazioni online che ti permettono di gestire il tuo processo. Apache Pig ha molti concorrenti, quindi dovranno ottimizzare il sistema perché a volte gli script non ti daranno i risultati ideali. **Raccomandazioni per chi sta considerando Apache Pig:** Impara il Pig Latin e preparati a una giornata di lavoro facile **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** I miei clienti erano soliti gestire grandi processi con set di dati che contengono in particolare oggetti JSON, che saranno disponibili per risolvere set di dati molto complessi. ### 19. L'ho valutato solo come prova di concetto, ma quel poco che ho visto mi è piaciuto. **Rating:** 4.0/5.0 stars **Reviewed by:** F. Javier P. | Mobile Team Lead, Piccola impresa (50 o meno dip.) **Reviewed Date:** March 24, 2016 **Cosa Le piace di più di Apache Pig?** Si integra abbastanza bene con un cluster Hadoop. Penso che sia un software indispensabile per fare cose con i big data, come usarlo per compiti di map-reduce. **Cosa non Le piace di Apache Pig?** Il linguaggio "programmazione" sembra più un linguaggio di scripting. Mi ricorda ABAP. **Raccomandazioni per chi sta considerando Apache Pig:** Usalo! Non l'ho usato per molto tempo, ma sembra fare il suo lavoro in termini di analisi e reportistica dei big data. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Analisi dei dati e generazione di report. Utilizzato per fare un test di prova di concetto con alcuni dati aziendali ### 20. SQL **Rating:** 2.5/5.0 stars **Reviewed by:** Amit K. | Application Developer as Member Technical Staff, Internet, Enterprise (> 1000 dip.) **Reviewed Date:** September 15, 2015 **Cosa Le piace di più di Apache Pig?** Facilità d'uso, le sue prestazioni **Cosa non Le piace di Apache Pig?** Ha molti concorrenti **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** Sperimentando ### 21. Fantastico! Amo questo strumento. **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Enterprise (> 1000 dip.) **Reviewed Date:** May 13, 2014 **Cosa Le piace di più di Apache Pig?** Una volta che avrai compreso le idee e i concetti che questo set di software può offrire, lo amerai anche tu. È estremamente procedurale, il che mi ricorda molto la programmazione SQL. È estremamente potente, può connettersi a Hbase e, naturalmente, a Hive. **Cosa non Le piace di Apache Pig?** Ottimizzare. Questo può essere difficile e considerato "artistico". Questo perché Pig crea lavori di map reduce che vengono eseguiti su Hadoop. Quindi, se il tuo cluster non è completamente ottimizzato, ottimizzare solo questi script non ti darà i migliori risultati. **Raccomandazioni per chi sta considerando Apache Pig:** Se stai cercando uno strumento più orientato agli sviluppatori e non agli utenti principianti, allora pig è il tuo strumento. È gratuito e ci sono molte documentazioni online. **Quali problemi sta risolvendo Apache Pig e in che modo La sta aiutando?** ELT. Usiamo Pig per elaborare i nostri set di dati disparati, contenenti oggetti JSON e dati "normalizzati" per creare strutture di data warehouse in Hive. Abbiamo realizzato che siamo in grado di risolvere problemi complessi (come le join, per esempio) senza dover scrivere lavori di MapReduce personalizzati. ## Apache Pig Discussions - [Is apache pig going out of businees?](https://www.g2.com/it/discussions/26561-is-apache-pig-going-out-of-businees) - 1 upvote - [View Apache Pig pricing details and edition comparison](https://www.g2.com/it/products/apache-pig/reviews?section=pricing&secure%5Bexpires_at%5D=2026-06-12+08%3A48%3A12+-0500&secure%5Bsession_id%5D=e7d51736-c3c4-4645-afcb-d5f9a15ccbe5&secure%5Btoken%5D=d74648382737a0de95c5857649dd06629a907c1a25daca8a8b83af1381e62435&format=llm_user) ## Apache Pig Features **Trasformazione dei dati** - Analisi in tempo reale - Interrogazione dei dati **Connettività** - Integrazione di Hadoop - Integrazione Spark - Analisi Multi-Sorgente **Operazioni** - Visualizzazione dei dati - Flusso di lavoro dei dati **Creare rapporti** - Trasformazione dei dati - Modellazione dei dati - Progettazione di Report WYSIWYG - API di integrazione **Piattaforma** - Supporto Utente Mobile - Personalizzazione - Gestione di Utenti, Ruoli e Accessi - Internazionalizzazione - Ambienti di prova / Sandbox - Prestazioni e Affidabilità - Ampiezza delle Applicazioni dei Partner ## Top Apache Pig Alternatives - [Splunk Enterprise](https://www.g2.com/it/products/splunk-enterprise/reviews) - 4.3/5.0 (414 reviews) - [Snowflake](https://www.g2.com/it/products/snowflake/reviews) - 4.5/5.0 (705 reviews) - [Google Cloud BigQuery](https://www.g2.com/it/products/google-cloud-bigquery/reviews) - 4.5/5.0 (1,148 reviews)