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

    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。

    启动hive:

     

    将网络爬虫大作业产生的文件cgpword.txt上传至hdfs:

    创建原始文档表:

    导入文件数据:

    进行词频统计,结果放在表cgp_count里:

    查看统计结果:

    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

     

    这是我的csv文件:

     

    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

     

    显示文件前五行数据

    数据集预处理:

    删除第一行记录, 即字段名称

    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

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

    查看生成的user_table.txt

    启动HDFS

    在HDFS上建立bigdatacase/dataset文件夹

    把user_table.txt上传到HDFS中

    查看HDFS中的user_table.txt的前十条记录

    启动HIVE,然后创建数据库bdlab

    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

    在HIVE中查看数据

    查看其中一列数据

    查看有多少条数据

  • 相关阅读:
    BZOJ 3330 分数
    FR #11题解
    BZOJ 1857 传送带
    BZOJ 4757 Building a Tall Barn
    FR #10题解
    BZOJ 4393 Fruit Feast
    BZOJ 3126 Photo
    BZOJ 1312 Hard Life
    BZOJ 2039 employ人员雇佣
    Count SIN Numbers
  • 原文地址:https://www.cnblogs.com/chenguangpeng/p/9064727.html
Copyright © 2011-2022 走看看