2024年全国职业院校技能大赛中职组大数据应用与服务赛项题库参考答案陆续更新中，敬请期待…_behavior2023-01-01

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

答：hadoop fs -put /root/eduhq/data/app_log/behavior/* /behavior/origin_log
（3）采集完成，在本机打开浏览器，访问http://本机主机名:9870或http://本机IP地址:9870进入HDFS WebUI界面，查看是否成功将数据采集到HDFS上。
答：使用浏览器访问即可。
2．子任务二：数据清洗
（1）使用Windows操作系统上的Excel软件，打开名为
"behavior2023-01-01.csv"的文件；
（2）对数据进行清洗，专注处理名为"behavior2023- 01-01.csv"的文件中的"time"列。将时间日期格式进行分列，分别处理为日期和时间两列。
答：

（二）任务二：数据标注

开 发 一 个 简 单 的 Java 类 IpToLocUdf ， 继 承
org.apache.hadoop.hive.ql.udf.generic.GenericUDF ，重载initialize()、evaluate()和 getDisplayString()方法；该类需要实现通过 IP 从/root/eduhq/data/area.json文件中随机获取“省份”和“城市”信息，完成数据的分类标注。
答：

import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentLengthException;
import org.apache.hadoop.hive.ql.exec.UDFArgumentTypeException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.StringObjectInspector;
import org.codehaus.jackson.JsonNode;
import org.codehaus.jackson.map.ObjectMapper;
import org.codehaus.jackson.node.ObjectNode;

import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

public class IpToLocUdf extends GenericUDF {
    private StringObjectInspector stringInspector;
    private ObjectInspector outputOI;
    // 初始化函数，用于设置函数参数和输出类型
    /*
    这个initialize方法的主要作用是验证输入参数的数量和类型，并设置输出类型为字符串。
    如果输入参数不符合要求，它将抛出异常。
    最后，它返回一个输出类型的ObjectInspector，供其他方法使用。
     */
    @Override
    public ObjectInspector initialize(ObjectInspector[] arguments) throws UDFArgumentException {
        // 检查参数数量是否为1，如果不是则抛出异常
        if (arguments.length != 1) {
            throw new UDFArgumentLengthException(
                    "The function iptoloc(ip) takes exactly 1 argument.");
        }

        // 检查第一个参数是否为StringObjectInspector类型，如果不是则抛出异常
        if (!(arguments[0] instanceof StringObjectInspector)) {
            throw new UDFArgumentTypeException(0,
                    "The argument must be a string, but " + arguments[0].getTypeName()
                            + " was given.");
        }

        // 将第一个参数设置为字符串类型的ObjectInspector
        this.stringInspector = (StringObjectInspector) arguments[0];

        // 设置输出类型为字符串，通过反射创建ObjectInspector实例
        this.outputOI = ObjectInspectorFactory.getReflectionObjectInspector(String.class,
                ObjectInspectorFactory.ObjectInspectorOptions.JAVA);

        // 打印输出类型的ObjectInspector信息
        System.out.println(outputOI);
        return outputOI; // 返回输出类型的ObjectInspector，供其他方法使用
    }

    @Override
    public Object evaluate(DeferredObject[] arguments) throws HiveException {
        // 获取传入的IP地址参数
        String ip = stringInspector.getPrimitiveJavaObject(arguments[0].get());

        // 从指定文件中读取地区信息
        //File file = new File("/root/eduhq/data/area.json");
        File file = new File("/resources/area.json");
        ObjectMapper mapper = new ObjectMapper();
        List<String> provinces = new ArrayList<>();
        List<String> cities = new ArrayList<>();

        try {
            // 解析JSON文件
            JsonNode rootNode = mapper.readTree(file);

            // 遍历JSON节点，获取省份和城市信息
            for (JsonNode node : rootNode) {
                String province = node.path("province").getTextValue();
                String city = node.path("city").getTextValue();

                provinces.add(province);
                cities.add(city);
            }
        } catch (IOException e) {
            throw new HiveException("Failed to read area.json file: " + e.getMessage(), e);
        }

        // 根据IP地址进行分类标注
        int index = ipToIndex(ip);
        String province = provinces.get(index);
        String city = cities.get(index);

        // 返回分类标注结果
        ObjectNode result = mapper.createObjectNode();
        result.put("province", province);
        result.put("city", city);

        return result.toString();
    }
    @Override
    public String getDisplayString(String[] children) {
        return "iptoloc(" + children[0] + ")";
    }

    private int ipToIndex(String ip) {
        // 根据IP地址的某种算法得到索引值
        // 这里简单地使用IP地址的字符长度模拟算法
        return ip.length() % 7;
    }
}
<dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-exec</artifactId>
            <version>3.1.2</version>
        </dependency>

（三）任务三：数据统计

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

加V获取：vip204888 （备注大数据）**
[外链图片转存中…(img-4gl1BKkW-1713267424107)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！