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。
启动hadoop：
start-all.sh jps
查看hdfs上的文件夹：
cd /usr/local/hadoop hdfs dfs -ls
将本地系统hadoop文件夹里的小王子英文版故事LittlePrince.txt上传至hdfs的hive文件夹中：
hdfs dfs -put ~/hadoop/LittlePrince.txt hive
查看hdfs上的LittlePrince.txt文件内容：
hdfs dfs -cat hive/LittlePrince.txt
启动hive：
hive
创建文档表word_frequency：
show databases; use hive; create table word_frequency(line string);
导入文件内容到表word_frequency：
load data inpath ‘/user/hadoop/hive/LittlePrince.txt‘ overwrite into table word_frequency;
查看表word_frequency里的内容（总共27章）：
select * from word_frequency;
用HQL进行词频统计，结果放在表words里：
create table words as select word,count(1) from (select explode(split(line,‘ ‘)) as word from word_frequency) word group by word;
查看统计结果（总共3751 row(s)）：
select * from words;
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。
我爬取的是河源市的所有公交信息词频统计后放到jieba.csv文件中：
先把爬取的文件上传到邮箱，然后在虚拟机上下载并放到本地的hadoop文件中：
启动hadoop：
start-all.sh jps
将本地系统hadoop文件夹里的jieba.csv上传至hdfs的hive文件夹中：
cd /usr/local/hadoop hdfs dfs -put ~/hadoop/jieba.csv hive
查看hdfs上的jieba.csv文件前20条数据的内容：
hdfs dfs -cat hive/jieba.csv | head -20
启动hive：
hive
在数据库hive里创建文档表jieba：
show databases; use hive; create table jieba(line string);
导入文件内容到表jieba：
load data inpath ‘/user/hadoop/hive/jieba.csv‘ overwrite into table jieba;
查看表的总数据条数：
select count(*) from jieba;
查看表的前20条数据：
select * from jieba limit 20;
原文：https://www.cnblogs.com/yjxblog/p/9064385.html