在学习hive中我们首先练笔的应该是数据统计

问题：用py爬取某网站用户名并通过hive分析用户发言次数前十

爬虫代码我就不列出来了

将其爬下来如何上传到linux，通过cat查看

然后我们将其上传到hive数据库

先进hive数据库

/usr/hive/apache-hive-2.1.1-bin/bin/hive

创建表user

create table user(user_name string) row format delimited fields terminated by '#';

解释：创建一个user库再创建一个名叫user_name格式为string的表，其中分割词为#

然后将数据导入到这个表

load data local inpath '/root/data/xm.txt' overwrite into table match_data;

然后按照出现次数从大到小排序排出前十发言用户

select user_id,count(*) as np from user group by user_id order by np desc limit 10;

解释：其中np为红色笔标注的姓名出现次数