微博用户数据分析

本文介绍了对微博用户数据的分析过程,包括数据描述、Hive表的创建、数据导入及验证,以及各种统计需求的实现,如微博总量、用户转发次数、图片微博数等。此外,还涉及到自定义Hive UDF函数的使用,用于计算点赞和转发的总和,以及统计特定词汇在微博内容中出现的次数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、数据描述

1)数据参数

用户的历史微博数据

截止到20131215

压缩后244MB,解压后878MB

2)数据类型

整个数据是json格式

 

json中字段描述:

beCommentWeiboId  是否评论

beForwardWeiboId 是否是转发微博

catchTime 抓取时间

commentCount 评论次数

content  内容

createTime 创建时间

info1 信息字段1

info2信息字段2

info3信息字段3

mlevel   no sure

musicurl 音乐链接

pic_list   照片列表(可以有多个)

praiseCount  点赞人数

reportCount  转发人数

source    数据来源

userId    用户id

videourl 视频链接

weiboId 微博id

weiboUrl      微博网址

二、实操题目

1. 组织数据(Hive

    创建Hive表weibo(json STRING),表只有一个字段,导入所有数据,并验证查询前3条数据

   1>建表(建库)

       ①创建数据库:create database weibo;

       ②切换数据库:use weibo;

       ③创建外部表:create external tableweibo(json string) row format delimited lines terminated by "\n"stored as textfile location "/exam/weibo";

2>导入数据

       ①上传数据:

       ②解压文件:unzip weibo.zip

       ③上传数据:hdfs dfs -put ~/data/619893/*/exam/weibo/

   3>验证查询前三条数据

       select json from weibo limit 3;

 

2. 统计需求(Hive

(1)统计微博总量和独立用户数

              ①确认是否有脏数据:通过结果很容易看出没有

       select get_json_object(js.json,'$.userId') from (select json from weibo)js where substr(json,1,1)="{";

       ②正常查询:

select "微博总量:",sum(user.cnt),"独立用户总数",count(user.userId)

       from(

           select jj.uid as userId ,count(*) as cnt

           from (

       &

评论 2
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