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。

   (1)开启所有的服务,并创建文件夹wwc

(2)查看目录下所有文件

     

(3)把hdfs文件系统中文件夹里的文本文件load进去。

(4)进入hive,并查看所有的表

(5)创建表word,,写hiveQL命令统计

(6)运行结果。

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。

同上,将爬虫大作业产生的txt文件放入bdlab数据库表bigdata_count中:

通过QQ邮箱,将爬虫大作业文本文件下载并放于虚拟机 /home/hadoop/wuwc 目录下,爬虫一共爬取了传智播客网的全部新闻,共8300多条。

 创建用于存放csv数据目录:

 

把文件放入文件夹中

查看文件中的数据:

导入数据库表中

查看数据:

原文地址:https://www.cnblogs.com/wwc000/p/9078837.html