一、本地数据集上传到到数据仓库Hive
1、 实验数据集的下载
1. 将user.zip下载到指定目录
2.给hadoop用户赋予针对bigdatacase目录的各种操作权限
3.创建一个dataset目录用于保存数据集
4.解压缩user.zip文件
5.可以看到dataset目录下由两个文件
6.查看文件前五条记录
2、 数据集的预处理
1. 删除文件第一行记录(即字段名称)
2. 对字段进行预处理
1)新建一个脚本文件pre_deal.sh并放在dataset目录下
2)在pre_deal.sh下面加入以下代码
3)执行pre_deal.sh脚本文件,对small_user.csv进行数据预处理操作
4)用head命令查看前10行数据
3、 导入数据库
1. 启动hdfs
执行jps命令查看当前运行的进程
2.把user_table.txt上传到hadoop中
1)在hdfs根目录下创建新目录
2)把本地文件系统中的user_table.txt上传到hdfs系统的目录下
3)查看HDFS中的user_table.txt的前10条记录
3. 在Hive上创建数据
1)启动MySQL数据库
2)进入hive
3)在Hive中创建一个数据库dblab
4. 创建外部表
5. 查询数据
1)查看bigdata_user表的信息
2)查看表的简单结构
3)查询相关数据
二、 Hive数据分析
1、 简单查询分析
1. 查看前10位用户对商品的行为
2.查询前20位用户购买商品时的时间和商品的种类
3.设置列的别名
2、 查询条数统计分析
1.用聚合函数count()计算出表内由多少行数据
2.在函数内部加上distinct,查出uid不重复的数据由多少条
3.查询不重复的数据有多少条(为了排除客户刷单情况)
3、关键字条件查询分析
1.以关键字的存在区间为条件的查询
(1)查询2014年12月10日到2014年12月13日有多少人浏览了商品
执行结果:
(2)以月的第n天为统计单位,依次显示第n天网站卖出去的商品的个数。
执行结果:
2.关键字赋予定值为条件,对其他数据进行分析
取给定时间和给定地点,求当天发出到该地点的货物的数量。
执行结果:
4、 根据用户行为分析
1.查询一件商品在某天的购买比例
执行结果:
查询一件商品在某天的浏览比例
执行结果:
2.查询某个用户在某一天点击网站占该天所有点击行为的比例
3.给定购物商品的数量范围,查询某一天在该网站的购买该数量商品的用户id
5、 用户实时查询分析
查询某个地区的用户当天浏览网站的次数,语句如下:
创建新的数据表进行存储
导入数据
显示结果
执行结果如下:
三、 Hive、MySQL、HBase数据互导
1、 Hive预操作
1.创建临时表user_action
查看是否创建成功
2.将bigdata_user表中的数据插入到user_action
查看是否插入成功
2、 使用Sqoop将数据从Hive导入MySQL
1.将前面生成的临时表数据从Hive导入到MySQL中
1)、登录MySQL
新建终端,执行以下命令
2)、创建数据库
使用以下命令查看数据库编码是否utf8
3)创建表
在MySQL数据库中dblab中创建一个新表user_action,并设置编码为utf8
Exit
查看是否创建成功
4)导入数据
2.查看MySQL中的user_action表数据
启动MySQL数据库
执行命令查询user_action表中的数据
3、使用sqoop将数据从MySQL导入HBase
1.启动Hadoop、MySQL、HBase
因为前面的操作所以除了HBase以外都启动了,故此次启动HBase,新建一个终端
2.启动Hbase shell
3.创建表user_action
4.新建终端,进入sqoop,导入数据
5.查看hbase中user_action表数据
4、 使用HBase Java API 把数据从本地导入到HBase中
1.启动Hadoop、HBase
2.数据准备
将之前的user_action数据从hdfs复制到linux系统的本地文件系统中,操作如下
先进入/usr/local/bigdatacase/dataset中
将hdfs上的user_action数据复制到本地当前目录中
查看前10行数据
将00000*文件复制一份重命名为user_action.output(*表示通配符)
查看user_action.output前十行
3.编写数据导入程序
启动eclipse
创建java project并命名为ImportHBase
新建HBaseImportTest class,并输入以下代码
import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.List;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apa