Hadoop综合大作业

作业来源：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/3363

本次作业是在《爬虫大作业》的基础上进行的，在《爬虫大作业》中。本次作业的任务主要有以下三点：

1.对CSV文件进行预处理生成无标题文本文件，将爬虫大作业产生的csv文件上传到HDFS

2.把hdfs中的文本文件最终导入到数据仓库Hive中，在Hive中查看并分析数据

3.用Hive对爬虫大作业产生的进行数据分析（10条以上的查询分析）

大数据分析

1.对CSV文件进行预处理生成无标题文本文件，将爬虫大作业产生的csv文件上传到HDFS

 

其次，我们把data.csv文件放到下载这个文件夹中，并使用命令把data.csv文件拷贝到我们刚刚所创建的文件夹中，具体步骤如下：

对CSV文件进行预处理生成无标题文本文件，步骤如下：

接着，启动hadoop，并查看Hadoop是否启动成功，步骤如下：

最后，我们把本地的文件上传至HDFS中，步骤如下：

 

 2.把hdfs中的文本文件最终导入到数据仓库Hive中

 首先，启动hive，步骤如下

其次，把hdfs中的文本文件最终导入到数据仓库Hive中，并在Hive中查看并分析数据，具体步骤如下：

 

3.用Hive对爬虫大作业产生的进行数据分析

查找城市分布情况，查询结果如下图所示：

找出北京各个区的电影情况

找出北京各个区的电影情况

找出深圳各个区的电影情况

 找出上海各个区的电影情况

查询票房前10名的城市