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。

启动hadoop：

查看hdfs上的文件夹：

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

查看hdfs上的LittlePrince.txt文件内容：

启动hive：

创建文档表word_frequency：

导入文件内容到表word_frequency：

查看表word_frequency里的内容（总共27章）：

 

 

用HQL进行词频统计，结果放在表words里：

查看统计结果（总共3751 row(s)）：

 

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。

 

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文件中并启动hadoop：

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

 

查看hdfs上的jieba.csv文件前20条数据的内容后启动hive：

在数据库hive里创建文档表jieba：

 

导入文件内容到表jieba：

最后查看表的总数据条数。