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。

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：

主要是爬取我们学院的校园网，让我们能更进一步地了解到我们学院的一些重大新闻或者活动，促使同学们之间的交流。