码迷,mamicode.com
首页 > 其他好文 > 详细

课堂测试之数据清洗

时间:2019-11-13 23:53:43      阅读:176      评论:0      收藏:0      [点我收藏+]

标签:mic   man   code   mamicode   info   date   两阶段   数据处理   roman   

题目要求:

1、 数据清洗:按照进行数据清洗,并将清洗后的数据导入hive数据库中

两阶段数据清洗:

1)第一阶段:把需要的信息从原始日志中提取出来

ip:    199.30.25.88

time:  10/Nov/2016:00:01:03 +0800

traffic:  62

文章: article/11325

视频: video/3235

2)第二阶段:根据提取出来的信息做精细化操作

ip--->城市 cityIP

date--> time:2016-11-10 00:01:03

day: 10

traffic:62

type:article/video

id:11325

3hive数据库表结构:

create table data(  ip string,  time string , day string, traffic bigint,

type string, id   string )

2、数据处理:

·统计最受欢迎的视频/文章的Top10访问次数 (video/article

·按照地市统计最受欢迎的Top10课程 (ip

·按照流量统计最受欢迎的Top10课程 (traffic

3、数据可视化:将统计结果倒入MySql数据库中,通过图形化展示的方式展现出来。

 

实验结果及截图:目前只完成了第一步

清洗后的数据:

技术图片

 

 

 

在hive中创建表及导入数据:

技术图片

 

 

 

 

 

 

课堂测试之数据清洗

标签:mic   man   code   mamicode   info   date   两阶段   数据处理   roman   

原文地址:https://www.cnblogs.com/zwang/p/11853999.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!