木羊的专栏

Hive概述什么是 Hive？ * Hive 是建立在 Hadoop HDFS 上的数据库仓库基础建构 * Hive 可以用来进行数据库提取转化加载（ETL） * Hive 定义了简单的类似 SQL 查询语言，称为 HQL，它允许熟悉 SQL 的用户查询数据 * Hive 允许熟悉 MapReduce 的开发者自定义 mapper 和 reducer 来处理内建的 mapper 和 redu

初识HadoopHadoop是一个开源的分布式存储+分布式计算平台。Hadoop核心组成部分：HDFS：分布式文件系统，存储海量的数据。MapReduce：并行处理框架，实现任务分解和调度。Hadoop可以用来做什么？ 搭建大型数据仓库，PB级数据的存储、处理、分析、统计等业务。Hadoop优势：高扩展、低成本（不依赖高端硬件，只需要PC机就可以实现）、成熟的生态圈（开源、有很多衍生的小工具

用户画像：标签化、 用标签描述用户行为用户画像：动态信息数据 用户行为产生的数据：注册、浏览、点击、购买、签收、评价 比较重要的行为：购买商品、浏览商品、放入购物车、关注商品用户画像的用途：分类统计，数据挖掘，营销推荐模型算法 性别模型 用户忠诚度模型 疑似马甲模型：马甲指一个用户注册多个账号 用户购物类型模型 用户身高尺码模型 手机相关标签：对手机相关标签参考意义比较大；手机品牌、

Hadoop CommonHadoop Common是在Hadoop0.2版本之后分离出来的HDFS和MapReduce独立子项目的内容，是Hadoop的核心部分，能为其他模块提供一些常用工具集，如序列化机制、Hadoop抽象文件系统FileSystem、系统配置工具Configuration，并且在为其平台上的软件开发提供KPI等。其他Hadoop子项目都是以此为基础而建立来的。...

题目hadoop jar /D:\Application\hadoop-2.7.4\share\hadoop\mapreduce\hadoop-mapreduce-examples-2.7.4.jar wordcount \t1 \output