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。

 

我下载了英文长篇小说《The Souls of Black Folk》，全文69100个单词，下载完更改名字为Black.txt方便操作。

start-all.sh

 

Hdfs上创建文件夹

hdfs dfs -mkdir storyinput
hdfs dfs -ls /user/hadoop

 

上传文件至hdfs：

下载story.txt保存在~/下载里，查询目录，上传至hdfs

cd ~/下载
ls
hdfs dfs -put ./story.txt storyinput
hdfs dfs -ls /user/hadoop/storyinput

 

启动Hive

hive

 

创建数据库story，在数据库里建原始文档表

show databases;
create database story;
use story;
create table storydocs(line string);
show tables;

导入文件内容到表storydocs并查看

load data inpath '/user/hadoop/storyinput/Black.txt' overwrite into table storydocs;
select * from storydocs;

用HQL进行词频统计，结果放在表story_count里

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

查看统计结果

select * from story_count;

 

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。

统计豆丁网关于IT计算机题目讨论的主要数据

将文件保存在邮箱，下载到虚拟机中，复制并改为csv模式

 

启动hdfs并把wordcount.csv上传到hdfs,并查看前10条数据

cd ~/下载
hdfs dfs -put ./wordcount.csv storyinput
hdfs dfs -ls /user/hadoop/storyinput
hdfs dfs -cat /user/hadoop/storyinput/wordcount.csv | head -10

　　

启动hive，进入story数据库，建表格big_data，把wordcount.csv里的数据导进该表并查询前10条记录