zoukankan      html  css  js  c++  java
  • 大数据应用期末总评Hadoop综合大作业

    作业要求来源于:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/3339

    1.将爬虫大作业产生的csv文件上传到HDFS

    此次作业选取的是爬虫《反贪风暴》短评数据生成的info.csv文件;爬取的数据总数为16141条。

    cm.csv文件数据如下图所示:

    将info.csv文件上存到HDFS

    2.对CSV文件进行预处理生成无标题文本文件

    csv文件数据预处理,删除第一行字段名称

     编辑pre_deal.sh文件进行数据的取舍处理

    让pre_deal.sh文件生效,并显示前面几条数据

    3.把hdfs中的文本文件最终导入到数据仓库Hive中

    在hive中创建bdlab数据库,显示如下:

    因为此次使用的是bdlab的数据库,所以在bdlab中创建相应的表为bigdata_cmd

    3.把hdfs中的文本文件最终导入到数据仓库Hive中

    在hive中创建bdlab数据库,显示如下:

    4.在Hive中查看并分析数据

    5.用Hive对爬虫大作业产生的进行数据分析

     由于前期数据处理导致数据受损,最终完成不了期末Hadoop大作业,因此只能按PPT的步骤进行一次练习。没能够得出有效的数据。前面期中的时候已经爬取数据16141条,如果不是文件受损,导致无法进行此次·作业,此次作业将会很好的完成。望老师理解。

  • 相关阅读:
    python网络编程--线程GIL(全局解释器锁)
    python网络编程--进程线程
    html之块级标签h系列,div
    html之head,base,meta,title
    可视化SNV安装
    MySQLdb模块的安装
    python之os模块
    python之时间函数
    python之路之正则表达式
    python之路 之open
  • 原文地址:https://www.cnblogs.com/068zhengda/p/11053276.html
Copyright © 2011-2022 走看看