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）进行词频统计。

(1)我下载了英文小说《追风筝的人》，改成story.txt，来进行操作

首先，启动hadoop

Hdfs上创建文件夹

上传文件到HDFS

启动hive

在story数据库建表storydocs，

导入文件内容到storydocs并查看

select * from storydocs；

用HQL进行词频统计，结果放在表storydocs_count里

 

查看统计结果(截图为部分截图)

 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。

1.将大数据产生的csv文件改名new.csv，存到虚拟机，然后上传到hdfs 并查看前十条数据

 2.启动hive，启动hive，建new数据库，建表格big_data，把wordcount.csv里的数据导进该表并查询前10条记录

 结论：数据能够进行正常的数据统计分析。

问题：由于编码问题，导致上传到hdfs的csv文件是乱码，尚未找到解决办法