Hive
Hadoop
Hive
2025-04-10 11:31
阅读:107
评论:0
使用Hive代替MapReduce实现单词统计
在 https://www.cnblogs.com/osinn/p/18813258 这篇文章中讲述了Hadoop使用MapReduce实现经典单词统计案例，这次写一篇如何使用Hive代替MapReduce实现单词统计 准备本地文本文件 首先本地磁盘创建一个wordcount.txt文件，并且添加以
- 在 https://www.cnblogs.com/osinn/p/18813258 这篇文章中讲述了Hadoop使用MapReduce实现经典单词统计案例，这次写一篇如何使用Hive代替MapReduce实现单词统计
准备本地文本文件
- 首先本地磁盘创建一个
wordcount.txt文件，并且添加以下内容
1
2
3
4
itczw技术博客hadoop李四 李四 李四张三创建文本表以及载入数据
1
2
3
4
5
6
7
8
-- 创建文本表，用于存储需要统计的文本CREATE TABLE raw_text (line STRING); -- 将本地的文本文件内容载入hive 文本表，/home/xxxx/wordcount.txt 为 wordcount.txt 所在磁盘路径LOAD DATA LOCAL INPATH '/home/xxxx/wordcount.txt' INTO TABLE raw_text; -- 可以通过SQL查看表数据select * from raw_text;
使用HiveQL实现单词统计
创建结果表
- 用于存放统计结果
1
CREATE TABLE word_count (word STRING, count INT);执行单词统计
1
2
3
4
5
INSERT INTO TABLE word_countSELECT word, COUNT(1) AS countFROM raw_text LATERAL VIEW EXPLODE(SPLIT(line, ' ')) lv AS wordGROUP BY word;查看单词统计结果
1
select * from word_count;
通过 INSERT 插入新数据
1
INSERT INTO TABLE raw_text values('猪刚烈 猪刚烈 美猴王');重新统计
- 如果还是使用上次的统计SQL，那么
word_count表有保留上次统计的结果，插入新的统计结果，单词统计就会有重复统计，上次统计结果和这次的统计结果 - 如果只想保留最新的统计结果有两种方式，一是清空
word_count表数据再执行统计，二是统计时使用覆盖的方式
方式一
1
2
3
4
5
6
7
8
9
-- 清空word_count表数据TRUNCATE TABLE word_count; -- 执行统计INSERT INTO TABLE word_countSELECT word, COUNT(1) AS countFROM raw_text LATERAL VIEW EXPLODE(SPLIT(line, ' ')) lv AS wordGROUP BY word;方式二
- 统计结果覆盖之前的统计
1
2
3
4
5
INSERT OVERWRITE TABLE word_countSELECT word, COUNT(1) AS countFROM raw_textLATERAL VIEW EXPLODE(SPLIT(line, ' ')) lv AS wordGROUP BY word;