作业要求：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/3363
1.将爬虫大作业产生的csv文件上传到HDFS
- 启动hadoop服务
- 在HDFS中创建/bigdatacase/dataset 文件夹 ，将文件上传到HDFS，用于存放成绩表 chengji.txt
2.对CSV文件进行预处理生成无标题文本文件
- 查看score.csv数据文件
- 生成pre_deal.sh1文件，为每行记录增加一个id字段（让记录具有唯一性）
- 对文件进行预处理，并查看处理结果
3.把hdfs中的文本文件最终导入到数据仓库Hive中
- 启动mysql服务
- 启动hive ，创建数据库bd_s
- 创建数据库表（id，时间，学期，编号，课程名，课程属性，绩点，成绩分数，所属学院）
- 查询表中前十条数据,验证数据库是否有数据
4.在Hive中查看并分析数据
1）依学年时间，统计有多少（成绩）数据，大三下学期数据不在内
- 依照课程属性进行区分，并统计
- 依照课程属性，查询某一年的课程总数
结果分析：学院较注重学生专业素质的培训，与基础知识课程，公共课程全方面发展的学习规划，从大一（2016-2017学年）可看出，高等数学英语等文化课程较多，而专业实践课较少，随着时间推移，学院的重心在于学生的实践培养，几乎没有基础选修的课程，目的在于学生面向社会的发展和技能的提升。
2）依学年时间，统计有多少（成绩）数据，大三下学期数据不在内
- 依成绩进行降序显示其课程名与分数
- 查询成绩挂科现象，即成绩小于60，显示结果为0
- 统计2018-2019年的平均绩点
- 分组统计全学年度的平均绩点
结果分析：从数据可见，每学年度的绩点有小幅度增长的，从大一，到大三第一学期，从2.60到3.12，每次增长幅度为0.25-0.3，稳定发展。总的来说，专业成绩明显优势，体育活动亦有较好的发展，基本课程则明显弱势，由于学生的普遍认为，只要注重专业成绩，平时的基本文化课程没什么用处，受到这个观念的影响下，才会有了这样的发展。