- 1、本文档共14页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
大数据分析实训
实训报告
班级:大数据2103
学号: 100211620
姓名: 罗顺
2022年12月
HIVE概述
Hive是基于?Hadoop的数据仓工,主要用来对数据进行抽取,转换、加载操作。Hive定义了简单的类SQL查询语言,称为ive,它可以将结构化的数据文件映射为一张数据表,允许熟悉SQL的用广查询数据,也允许悉?Mapkedce的开发者开发自定义的mapper和?reducer处理内建的?mappe和?reder无完成的复杂的分析工作,相对Java代码编写的?MapReduce来说,Hive的优势加明显。
Hive 在查询数据的时候,由于没有索引,需要扫描整个表,因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce框架。由于MapReduce 本身具有较高的延迟,因此在利用MapReduce 执行Hive查询时,也会有较高的延迟。相对的,数据库的执行延迟较低。当然,这个低是有条件的,即数据规模较小,当数据规模大到超过数据库的处理能力的时候,Hive的并行计算显然能体现出优势。
HIVE部署
1.初始化成功
2.安装mysql5.7版本成功
3.启动MySQL成功
4. mysql密码修改成功
5. 配置Hive成功
6. 配置hive
7. 配置Hive环境变量
8. 初始化mysql成功
9. hive启动成功
10. 启动Hive客户端工具
11.验证hive远程连接
部署Sqoop
部署Sqoop:下载?安装Sqoop
(1-7)部署Sqoop?04配置??05配置环境变量??06添加JDBC驱动包??07测试Sqoop
实现数据仓库分层设计
源数据层
2.数据仓库层
数据采集
上传数据库文件2.导入数据库文件
3.导入依赖包?4.导入hive配置文件
5.开启mysql数据库远程访问
6.实现数据迁移. 7.验证数据迁移
数据转换
(1)截取会话创建时间字段create_time的年、月和小时,便于后续根据月和小时的维度进行统计。
(2)将用户发送消息数字段msg_count中的null值填充为数值0。
(3)保持会话创建时间字段create_time的格式统一。
(4)编辑YARN配置文件yarn-site.xml。
(5)编辑MapReduce配置文件mapred-site.xml。
(6)在Hadoop集群的所有节点都需要修改配置文件mapred-site.xml和yarn-site.xml,修改完成后,在虚拟机hadoop01执行“stop-yarn.sh”关闭YARN集群,并且需要在虚拟机hadoop02中执行“yarn-daemon.sh stop resourcemanager”命令关闭ResourceManager。
实现图如下所示。
数据分析
实现地区访问用户量统计
实现会话页面排行榜
实现访问用户量统计
实现来源渠道访问用户量统计
(5)实现咨询率统计
文档评论(0)