基于hadoop豆瓣电影数据分析

试题题目：基于hadoop豆瓣电影数据分析

试题内容及要求

试题说明：

豆瓣用户每天都在对“看过”的电影进行“很差”到“力荐”的评价，豆瓣根据每部影片看过的人数以及该影片所得的评价等综合数据，通过算法分析产生豆瓣电影 Top 250。

为了分析电影产业的发展趋势，你需要对这些信息做统计分析。

豆瓣网站的数据形式为文本文件（必须将导入到hive中做处理）。

文件的内容如下：

待分析指标如下：

1、什么类型的电影平均评分最高。

要求输出：类型  平均分

2、哪个国家是烂片之王（平均评分小于6分的国家）。

要求输出：国家  平均分

各项统计指标需要添加到hbase，以方便查询，分别添加到2个表（一个指标一个表），且在hbase shell中显示你写入的结果数据。

另外，本次操作需要留下日志，在hdfs 的 /log 下 上传自己的操作记录。

操作记录的格式为：

学号     姓名  操作时间     

2019xx   xxx   2020-12-21 10:52:12    

试题说明：

1. 独立完成，可查阅教材及参考书籍，不准交头接耳，抄袭0分。
2. 此题要求使用分布式文件系统,文件描述信息存放在列式数据库。
3. 操作过程需要截图，如启动 hdfs ，启动hive。
4. 请将列式数据库中表名加上学生姓名的拼音首字母缩写_xxx+学号，例如：

列式数据库中有文件描述这个表，那么‘张三’同学的表应该命名为zs_201902003。

1. 报告中详细贴出考试内容操作语句（不是截图），程序运行结果截图贴在报告中。
2. 考试报告文档提交的格式为PDF，不能提交word文档和图片。

评分标准：

任务一：

操作过程：

1. 打开hdfs

代码：start-all.sh

1. 打开hive

代码：hive;

3、将数据粘贴进主目录中

4、打开自己的数据库

代码：use liuxuanting;

5、新建一个表，表名为：lxt_2021900406

代码：

create external table lxt_2021900406(id int,name string,people int,stype string,country string,atime string,timelong int,year int,score double,here string)

row format delimited fields terminated by ','

6、导入数据

代码:load data local inpath "/home/liuxuanting/douban_movie-1686527723744.txt" into table lxt_2021900406；

7、查看数据导入情况

代码：select * from lxt_2021900406;

任务二：

1、什么类型的电影平均评分最高。

要求输出：类型  平均分

代码：SELECT stype,AVG(score) as scores

FROM lxt_2021900406

GROUP BY stype order by scores DESC;

输出结果：

2、哪个国家是烂片之王（平均评分小于6分的国家）。

要求输出：国家  平均分

代码：

SELECT country,avg(score) FROM lxt_2021900406 GROUP BY country having avg(score)<6;

输出结果：

任务三：

1、打开hbase

代码：start-hbase.sh

2、进入hbase shell

代码:hbase shell

3、在hbase中创建表lxt_2021900406

代码：creat 'lxt_2021900406','info'

4、在表lxt_2021900406中手动插入数据

代码：put ‘lxt_2021900406’,’1’,’info:moxige,bolan’,’5.8,5.7’

5、查看hbase表的插入情况

代码：scan ‘lxt_2021900406’

6、在hdfs中新建表/log

代码：hdfs dfs -mkdir /log

6、编辑日志

代码：vi liuxuanting1

7、上传操作日志在/log中

代码：hdfs dfs -copyFromLocal /home/liuxuanting/liuxuanting1 /log/

8、查看日志上传情况

代码：hdfs dfs -cat /log/liuxuanting1