Hadoop大作业

Posted 2020-11-06 jiesheng

---恢复内容开始---

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。

先启动Hadoop。

 

jps查看各个服务已启动，进入hive

把本地文件上传到hdfs文件系统（这里本来是打算把预先准备的英文小说上传上去，但是不知道为什么一直提示找不到文件，然后发现帮助文档和注意文档的内容量也不小，所以直接拿来做词频统计也是不错的。）

建个表docs

把hdfs文件系统中input文件夹里的文本文件load进去,写hiveQL命令统计

统计成功提示

使用select命令查看结果（这里的词条太多了，windows平台无法截长屏，所以只截了一小部分的结果和统计条数）

 

 

 

 

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。

首先在我之前的爬虫大作业上获取产生的数据。

将数据以csv格式上传到hdfs

 查看前10个数据

 启动hive

 创建表将csv数据导入到表中

 查看前100个数据