文章目录
一、实战描述
- 本次实战主要聚焦于使用Hive框架对成绩数据进行处理和分析。任务目标是基于一个包含六个字段(姓名、语文、数学、英语、物理、化学)的成绩表,计算每个学生的总分和平均分。
- 首先,我们在虚拟机上创建了一个名为score.txt的文本文件,其中包含了五名学生的成绩记录。然后,我们将该文件上传到HDFS的指定目录/hivescore/input中。
- 接下来,我们启动了Hive Metastore服务,并通过执行命令行启动了Hive客户端。在客户端中,我们创建了一个名为t_score的内部Hive表,该表的结构与成绩表的字段相匹配。我们使用load data命令将HDFS中的成绩数据加载到t_score表中。
- 最后,我们编写了一条Hive SQL语句,用于计算每个学生的总分和平均分。该语句根据学生的姓名进行分组,并对每个学生的所有科目成绩进行求和和求平均值。结果集包含了每个学生的姓名、总分和平均分。
- 通过这次实战,我们展示了如何利用Hive框架处理和分析大规模数据,以及如何通过简单的SQL语句实现复杂的数据统计和计算任务。这一过程不仅体现了Hive在大数据处理中的高效性和便利性,也为我们提供了宝贵的实践经验,为进一步的数据分析工作奠定了基础。
二、提出任务
- 成绩表,包含六个字段(姓名、语文、数学、英语、物理、化学),有五条记录
姓名 | 语文 | 数学 | 英语 | 物理 | 化学 |
---|---|---|---|---|---|
李小双 | 89 | 78 | 94 | 96 | 87 |
李丽霞 | 94 | 80 | 86 | 78 | 80 |
吴雨涵 | 90 | 67 | 85 | 82 | 60 |
张晓燕 | 87 | 76 | 90 | 79 | 59 |
陈燕文 | 97 | 95 | 92 | 88 | 86 |
- 利用Hive框架,计算每个同学的总分与平均分
三、完成任务
(一)准备数据文件
1、在虚拟机上创建文本文件
- 在master虚拟机上创建score.txt文件
2、将文本文件上传到HDFS指定目录
-
在HDFS上创建/hivescore/input目录
-
将score.txt文件上传到HDFS的/hivescore/input目录
-
执行命令:hdfs dfs -put score.txt /hivescore/input
(二)实现步骤
1、启动Hive Metastore服务
- 执行命令:hive --service metastore &,在后台启动metastore服务
2、启动Hive客户端
- 执行命令:hive,看到命令提示符hive>
3、创建Hive表,加载HDFS数据文件
- 创建内部表t_score
- 执行命令: create table t_score ( name string, chinese int, math int, english int, physics int, chemistry int ) row format delimited fields terminated by ’ ';
- 在MySQL的hive数据库的TBLS表里可以查看内部表t_score对应的记录
- 加载成绩数据文件到内部表t_score,执行命令:load data inpath ‘/hivescore/input/score.txt’ into table t_score;
- 查看成绩表全部记录,执行语句:select * from t_score;
4、利用Hive SQL统计总分与平均分
- 编写Hive SQL语句,进行词频统计
- 执行命令:
SELECT name, SUM(chinese + math + english + physics + chemistry) AS total_score, (SUM(chinese + math + english + physics + chemistry)) / 5 AS average_score FROM t_score GROUP BY name
;
- 这个SQL语句的功能是在一个名为t_score的表中,根据学生的姓名(name)进行分组,并对每个学生各科成绩进行统计计算。
1、SELECT name: 选择t_score表中的name列,表示我们要按照姓名来显示结果。
2、SUM(chinese + math + english + physics + chemistry) AS total_score: 对每个学生的语文、数学、英语、物理和化学成绩进行求和,并将这一结果命名为total_score。这将计算出每个学生的总分。
3、AVG(chinese + math + english + physics + chemistry) AS average_score: 对每个学生的语文、数学、英语、物理和化学成绩进行求平均值,并将这一结果命名为average_score。这将计算出每个学生的平均分。
4、FROM t_score: 指定数据来源是名为t_score的表。
5、GROUP BY name: 根据name列进行分组,这意味着对于表中的每一条具有不同姓名的记录,都会分别进行总分和平均分的计算。 - 因此,这个SQL语句的最终功能是输出一个结果集,其中包含每个学生的姓名、他们的总分以及平均分。
四、拓展练习
-
改变输出格式
-
输出格式:
(吴雨涵,384,76.8)
(张晓红,391,78.2)
(李小双,444,88.8)
(王丽霞,418,83.6)
(陈燕文,458,91.6) -
执行命令:
SELECT CONCAT('(',name,',',total_score,',',average_score,')') AS result FROM (SELECT name,SUM(chinese + math + english + physics + chemistry) AS total_score, (SUM(chinese + math + english + physics + chemistry)) / 5 AS average_score FROM t_score GROUP BY name ) AS subquery;