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。

 

解析：因为上一次我的大作业是对电影的爬取，爬出来的文档有些是英语也有些是中文，又因为生成的文档是中文甚至过于庞大，所以这一次的大作业我就下载了几个《简爱》英语版小说的几个章节，文档也是足够大了，有的文档内容太多，所以在我截图中就省略了中间的一部分截图。

 

 

实验步骤：

（1）首先启动所有项（以防万一）：

usr/local$    start-all.sh

(2)在我的计算机本目录下创建一个english文档并把数据导入：

 

(3)启动hive并创建表和把数据导进hive来：

 

 

 

(4)最后把前面和后面的词频统计出来的结果以截图方式展现出来：

 

 

 

 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。

 

分析：在生成一个csv文件时由于文件过大，导致导入数据时虚拟机经常出现卡顿的情况，甚至有时候还出现黑屏，导致什么也干不了。后来想放弃不用那么大的文档来测试，还好没有选择放弃。后面修改了系统的存储空间以及在不断的调试下，终于能把一个几章节的文档英语单词统计了出来。详细的分析结果在上面有介绍。