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)词频统计。
在网上下载英文小说,通过QQ邮箱下载到虚拟机的/home/hadoop/wc
首先要启动dfs:
检查配置环境:
在user/hadoop/上创建文件夹word:
上传下载文档到user/hadoop/word文件中:
启动hive:
在hive数据库创建表 world:
导入文本cwj.txt并查看
用HQL进行词频统计并保持到表 word_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。
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/wc 目录下,爬虫一共爬取了广州商学院校园网的全部新闻,共4300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: