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。

启动hadoop：

start-all.sh
jps

查看hdfs上的文件夹：

cd /usr/local/hadoop
hdfs dfs -ls

将本地系统hadoop文件夹里的小王子英文版故事LittlePrince.txt上传至hdfs的hive文件夹中：

hdfs dfs -put ~/hadoop/LittlePrince.txt hive　

查看hdfs上的LittlePrince.txt文件内容：

hdfs dfs -cat hive/LittlePrince.txt

启动hive：

hive

创建文档表word_frequency：

show databases;
use hive;
create table word_frequency(line string);　

导入文件内容到表word_frequency：

load data inpath '/user/hadoop/hive/LittlePrince.txt' overwrite into table word_frequency;

查看表word_frequency里的内容（总共27章）：

select * from word_frequency;　　

用HQL进行词频统计，结果放在表words里：

create table words as select word,count(1) from (select explode(split(line,' ')) as word from word_frequency) word group by word;　

查看统计结果（总共3751 row(s)）：

select * from words;　

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。

我爬取的是河源市的所有公交信息词频统计后放到jieba.csv文件中：

先把爬取的文件上传到邮箱，然后在虚拟机上下载并放到本地的hadoop文件中：

 

启动hadoop：

start-all.sh
jps

将本地系统hadoop文件夹里的jieba.csv上传至hdfs的hive文件夹中：

cd /usr/local/hadoop
hdfs dfs -put ~/hadoop/jieba.csv hive

查看hdfs上的jieba.csv文件前20条数据的内容：

hdfs dfs -cat hive/jieba.csv | head -20

启动hive：

hive

 

在数据库hive里创建文档表jieba：

show databases;
use hive;
create table jieba(line string);

导入文件内容到表jieba：

load data inpath '/user/hadoop/hive/jieba.csv' overwrite into table jieba;

查看表的总数据条数：

select count(*) from jieba;　

查看表的前20条数据：

select * from jieba limit 20;