首页 > 其他 > 详细

Hadoop综合大作业

时间:2018-05-25 22:25:13      阅读:330      评论:0      收藏:0      [点我收藏+]

1.用Hive对爬虫大作业产生的文本文件(或者英文词频统计下载的英文长篇小说)词频统计。

 

一、用Hive对爬虫大作业产生的文本文件(或者英文词频统计下载的英文长篇小说)词频统计。

1.启动hadoop

技术分享图片

 

2.Hdfs上创建文件夹并查看

 技术分享图片

 

3.上传英文词频统计文本至hdfs

技术分享图片

技术分享图片

 

4.启动Hive

技术分享图片

 

5.导入文件内容到表docs并查看

技术分享图片

 

6.进行词频统计,结果放在表t_word_count里

技术分享图片

 

7.查看统计结果

技术分享图片

 

2.用Hive对爬虫大作业产生的csv文件进行数据分析,写一篇博客描述你的分析过程和分析结果。

首先将爬虫大作业的数据导出为CSV文件cgpnewss.csv

技术分享图片 

这是我的csv文件:

技术分享图片

 

然后通过邮箱下载进虚拟机中, 将文件拷贝到 /usr/local/bigdatacase/dataset文件夹中

 技术分享图片

显示文件前五行数据

技术分享图片

数据集预处理:

删除第一行记录, 即字段名称

技术分享图片

对字段进行预处理

为每行记录增加一个id字段(让记录具有唯一性)

增加一个作者字段(用来后续进行可视化分析)

vim建一个脚本文件pre_deal.sh

技术分享图片

技术分享图片

执行pre_deal,sh脚本文件,来对cgpnewss.csv进行数据预处理

技术分享图片

查看生成的user_table.txt

技术分享图片

启动HDFS

技术分享图片

在HDFS上建立bigdatacase/dataset文件夹

技术分享图片

把user_table.txt上传到HDFS中

技术分享图片

查看HDFS中的user_table.txt的前十条记录

技术分享图片

启动HIVE,然后创建数据库bdlab

技术分享图片

创建外部表,把HDFS中的“/bigdatacase/dataset”目录下的数据加载到数据仓库HIVE中

技术分享图片

在HIVE中查看数据

技术分享图片

查看其中一列数据

技术分享图片

查看有多少条数据

技术分享图片

Hadoop综合大作业

原文:https://www.cnblogs.com/hhmk/p/9090456.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!