电影票房之数据分析(Hive)--第3关

第3关:统计2020年中当日综合总票房最多的10天

本关任务

基于EduCoder平台提供的初始数据集,统计 2020 年中当日综合总票房最多的 10 天及其当日综合总票房。

编程要求

本实验环境已开启Hadoop服务

  1. 在 hive 中创建数据库 mydb

注意:在开始要求2之前,建议您提前查看数据库中是否存在 moviecleaned 表(在环境没销毁的情况下,第一关的导入的数据可以持续使用)。如果不存在请按要求2执行,同时注意数据不要重复插入,否则可能影响后续统计的准确性。

  1. 在 mydb 中创建 moviecleaned 表,将数据集movies.txt导入 moviecleaned 表中。注意:数据集所在位置:/data/workspace/myshixun/data/movies.txt,数据集文件字段之间以\t分割,文件部分数据展示如下:
  2. 天气之子 6676.11 21.2% 92616 25.4% 24 19.9% 11300.0 上映2天 2019-11-02 2019-11-01
  3. 天池水怪 1.14 <0.1% 57 <0.1% 6 -- 84.4 2020-10-09 往期电影
  4. 太空狗之月球大冒险 3.58 <0.1% 333 <0.1% 4 4.5% 270.7 上映14天 2019-12-27 2019-12-14
  5. 夺冠 2985.81 60.4% 133808 50.3% 6 4.0% 22900.0 上映5天 2020-09-29 2020-09-25
  6. 在 hive 数据库 mydb 中,创建 day_max_boxoffice 表,使用 Hive SQL 来统计统计 2020 年中当日综合总票房最多的 10 天(以当日综合票房为统计依据,票房数据保留 2 位小数),并插入到day_max_boxoffice表。

查询结果样例如下:

  1. dates boxoffice
  2. 2020-10-01 74256.31
  3. 2020-10-02 67448.07
  4. 2020-10-03 58494.17

相关数据及结构说明

数据集对应字段说明:

字段名 说明 类型
movie_name 电影名 string
boxoffice 当日综合票房 string
box_rate 票房占比 string
sessions 排片场次 string
show_count_rate 排片占比 string
avg_number 场均人次 string
attendance 上座率 string
total_boxoffice 当前总票房 string
movie_days 上映天数 string
current_time 当前日期 string
releaseDate 上映日期 string

day_max_boxoffice 表结构:

字段名 类型 说明
dates string 当前日期
boxoffice float 当天总票房

注意事项

  • 如果实验环境已经创建了 mydb 数据库和 moviecleaned 表,假如环境没有重启或者环境没有过期,可以跳过创建 mydb 数据库和 moviecleaned 表的步骤。否则需要重新开始。

  • 任务完成后请点击"评测"按钮,系统验证 day_max_boxoffice 表是否存在并查询表内容,程序未通过的情况下,可以点击测试集查看具体问题;

  • 本任务设置了多个测试集,通过其中任一测试集将可获得对应分数。

考核点说明

从 mydb 数据库中的 day_max_boxoffice 表查询出来的内容是否正确。


开始你的任务吧,祝你成功!

AC

#创建day_max_boxoffice表,用来存放数据查询的结果
create table day_max_boxoffice(dates string, boxoffice float) 
row format delimited fields terminated by '\t' stored as textfile;
#查询,并将结果导入day_max_boxoffice表中
insert overwrite table day_max_boxoffice 
select current_time,round(sum(boxoffice),2) as n 
from moviecleaned 
WHERE releaseDate like '2020%'  
group by current_time  
ORDER BY n DESC limit 10;

你可能感兴趣的:(大数据,大数据,hive)