Hive 使用案例

1. 建表

CREATE TABLE u_data (
  userid INT,
  movieid INT,
  rating INT,
  unixtime STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
STORED AS TEXTFILE;

2. 下载数据集

**从 GroupLens datasets 官网下载数据集 100K **

1. wget http://files.grouplens.org/datasets/movielens/ml-100k.zip
解压数据集
2. unzip ml-100k.zip

3. 加载数据集-Hive

**从 GroupLens datasets 官网下载数据集 100K **

LOAD DATA LOCAL INPATH '/opt/data/ml-100k/u.data'
OVERWRITE INTO TABLE u_data;

3. 创建Python脚本

import sys
import datetime

for line in sys.stdin:
  line = line.strip()
  userid, movieid, rating, unixtime = line.split('\t')
  weekday = datetime.datetime.fromtimestamp(float(unixtime)).isoweekday()
  print '\t'.join([userid, movieid, rating, str(weekday)])

4. Hive查询

创建 u_data_new 表
CREATE TABLE u_data_new (
  userid INT,
  movieid INT,
  rating INT,
  weekday INT)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t';

添加脚本到hive中
add FILE weekday_mapper.py;

从u_data中获取数据经过Python处理装载到u_data_new
INSERT OVERWRITE TABLE u_data_new
SELECT
  TRANSFORM (userid, movieid, rating, unixtime)
  USING 'python weekday_mapper.py'
  AS (userid, movieid, rating, weekday)
FROM u_data;

查询u_data_new 数据集中行数
SELECT weekday, COUNT(*)
FROM u_data_new
GROUP BY weekday;

运行结果

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值