zoukankan      html  css  js  c++  java
  • Hadoop综合大作业

    课程评分标准:

    考勤 10

    平时作业 30

    爬虫大作业 20

    Hadoop生态安装与配置 20

    Hadoop综合大作业 20

    12周演示检查:《爬虫大作业》和《Hadoop安装与配置》

    Hadoop综合大作业 要求:

    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)进行词频统计。

    词频分析英文小说:链接:https://pan.baidu.com/s/1ns-TjuHEU2WVpHZWWVFj9g 密码:61ua

    PS:由于在最后数据展现的时候 把前面所打的代码过页处理。利用上一条截图如下

    下面前2句相当于 start-all.sh    进入HDFS环境

     

    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。

    将数据以csv格式上传到hdfs

     

    进入文件路径并查看数据前5

    将文件上传到HDFS上

    查看上传成功的文件的前20个数据

    进入hive环境

    创建数据库和表 并将文件复制到表中

    查看数据总条数

    根据count查看数据的前50条

    心得:在单词统计输出中加多一个逗号以方便形成CSV格式文件。在Hadoop中运行的时候 最后数据显示的结果全是NULL,但是目前还不知道是什么原因。可能是在分词的时候用上了逗号  使数据成为了,+数据 导致数据无法辨别成整数。



  • 相关阅读:
    Flink之DataStreamAPI入门
    Spark底层原理简化版
    Spark调优
    Flink架构及其工作原理
    Kafka总结
    leetcode数学相关
    程序员的修炼之道5
    数据库连库建表
    完成了web系统
    即将完成大型web系统
  • 原文地址:https://www.cnblogs.com/REGzjm85/p/9072710.html
Copyright © 2011-2022 走看看