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。

 

网上下载经典长篇英文小说The Old Man and Sea,保存到wc文件中,命名为sea.txt。

  启动hadoop集群

Hadoop综合大作业_第1张图片

将wc文件夹的sea.txt上传文件至hdfs的data文件夹

启动hive,创建数据库和文档表,

  Hadoop综合大作业_第2张图片

  导入文件内容并查看

  Hadoop综合大作业_第3张图片

 

  用HQL进行词频统计,结果放在表sea_count里

  Hadoop综合大作业_第4张图片

  查看统计结果的前30个

Hadoop综合大作业_第5张图片

  

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。

对虎扑网关于巴塞罗那的新闻进行爬取数据分析,并根据新闻进行词频统计,产生的csv如下:

 

 

创建表bas并将csv数据导入到表中

 

Hadoop综合大作业_第6张图片

显示前20个数据

Hadoop综合大作业_第7张图片

结果分析:梅西作为巴萨的头号球星,在新闻中基本会被提及,C罗、皇马是梅西和巴萨的竞争对手,巴萨每年都是西甲冠军的热门,最近格列兹曼与巴萨转会绯闻。 

你可能感兴趣的:(Hadoop综合大作业)