Hadoop综合大作业

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。

我下载的是一篇英文长篇小说《教父》,字数为个，

 

将文章（godfather.txt）放在了wc文件中：

启动hadoop:

start-all.sh
jps

　　

文件上传至hdfs

hdfs dfs -put ./godfather.txt /bigdatacase/dataset
hdfs dfs -ls /bigdatacase/dataset

　　

启动hive

 hive

创建原始文档表

create table novel(long string);

　　

导入文件内容到表novel

 

load data inpath '/bigdatacase/dataset/godfather.txt' overwrite into table novel;

　　

进行词频统计并放入表novelcount表中

 

create table novelcount as select word，count(1) from (select(long,' ')) as word from novel) word group by word;

　　

查看统计结果（前20个）

 

select * from novelcount limit 20