01 youtube官網網頁版注冊登錄頁面代碼數據(豆丁網詳細資料大全)

youtube視頻數據分析維度不包括什么

發布時間。

查詢資料可知，youtube視頻數據分析維度是收入、觀看時間、互動。不包括發布時間。

YouTube后臺給我們提供了強大的數據分析工具，通過advancedmode的自定義模式我們可以篩選數據，在分析YouTube視頻數據時，你需要清楚自己的目標是什么。

Hive實戰之Youtube數據集

本次實戰的數據來自于"YouTube視頻統計與社交網絡"的數據集，是西蒙弗雷澤大學計算機學院在2008年所爬取的數據

數據集地址

數據之間采用"\t"作為分隔符

具體數據如下：

數據量大小為1G，條數為500萬+

使用環境為

hive-1.1.0-cdh5.4.5

hadoop-2.6.0-cdh5.4.5

演示形式為使用hive shell

我們一起來看看數據

主要的問題在于category和relatedIDs處理，由于Hive是支持array格式的，所以我們想到的是使用array來存儲category和relatedIDs，但是我們發現category的分割符是"&"而realatedIDs的分隔符是"\t"，我們在創建表格的時候能夠指定array的分隔符，但是只能指定一個，所以再將數據導入到Hive表格之前我們需要對數據進行一定轉換和清洗

并且數據中肯定會存在一些不完整數據和一些奇怪的格式，所以數據的清洗是必要的，我在這里所使用的數據清洗方式是使用Spark進行清洗，也可以使用自定義UDF函數來進行清洗

數據清洗注意點

1）我們可以看到每行數據以"\t"作為分隔符，每行有十列數據，最后一列關聯ID可以為空，那么我們對數據進行split之后數組的大小要大于8

2）數據中存在 "uNiKXDA8eyQ KRQE 1035 News & Politics 107" 這樣格式的數據，所以在處理category時需要注意 News & Politics中間的 &

處理后的數據如下：

下面的實戰都是基于數據清洗后的數據進行的

1）youtube1的創建，文件格式為textfile

create table youtube1(買粉絲Id string, uploader string, age int, category array<string>, length int, views int, rate float, ratings int, 買粉絲ments int,relatedId array<string>)

row format delimited

fields terminated by "\t"

買粉絲llection items terminated by "&"

stored as textfile;

2）youtube2的創建，文件格式為orc

create table youtube2(買粉絲Id string, uploader string, age int, category array<string>, length int, views int, rate float, ratings int, 買粉絲ments int,relatedId array<string>)

row format delimited

fields terminated by "\t"

買粉絲llection items terminated by "&"

stored as orc;

3）youtube3的創建，文件格式為orc，進行桶分區

create table youtube3(買粉絲Id string, uploader string, age int, category array<string>, length int, views int, rate float, ratings int, 買粉絲ments int,relatedId array<string>)

clustered by (uploader) into 8 buckets

row format delimited

fields terminated by "\t"

買粉絲llection items terminated by "&"

stored as orc;

數據導入：

1）load data inpath "path" into table youtube1;

2）由于無法將textfile格式的數據導入到orc格式的表格，所以數據需要從youtube1導入到youtube2和youtube3：

insert into table youtube2 select * from youtube1;

insert into table youtube3 select * from youtube1;

1）user_tmp的創建，文件格式textfile，24buckets

create table user_tmp(uploader string,買粉絲s int,friends int)

clustered by (uploader) into 24 buckets

row format delimited

fields terminated by "\t"

stored as textfile;

2）user的創建，文件格式orc，24buckets

create table user(uploader string,買粉絲s int,friends int)

clustered by (uploader) into 24 buckets

row format delimited

fields terminated by "\t"

stored as orc;

user表的數據導入也是同理

數據導入：

1）load data inpath "path" into table user_tmp;

2）由于無法將textfile格式的數據導入到orc格式的表格，所以數據需要從user_tmp導入到user：

insert into table user select * from user_tmp;

1）統計出觀看數最多的10個視頻

2）統計出視頻類別熱度的前10個類型

3）統計出視頻觀看數最高的50個視頻的所屬類別

4）統計出觀看數最多的前N個視頻所關聯的視頻的所屬類別排行

5）篩選出每個類別中熱度最高的前10個視頻

6）篩選出每個類別中評分最高的前10個視頻

7）找出用戶中上傳視頻最多的10個用戶的所有視頻

8）篩選出每個類別中觀看數Top10

select * from youtube3 order by views desc limit 10;

結果如下：

select tagId, 買粉絲unt(a.買粉絲id) as sum from (select 買粉絲id,tagId from youtube3 lateral view explode(category) catetory as tagId) a group by a.tagId order by sum desc limit 10;

結果：

select tagId, 買粉絲unt(a.買粉絲id) as sum from (select 買粉絲id,tagId from (select * from youtube3 order by views desc limit 20) e lateral view explode(category) catetory as tagId) a group by a.tagId order by sum desc;

結果：

思路：

結果：

思路：

結果如下：

select * from youtube_category where categoryId="Music" order by ratings desc limit 10;

結果如下：

思路：

結果如下：

豆丁網詳細資料大全

豆丁網創立于2007年，是全球最大的中文社會化閱讀平臺，為用戶提供一切有價值的可閱讀之物。截至2010年，豆丁網已經成功躋身網際網路全球500強，成為提供垂直服務的優秀網站之一。網站擁有分類廣泛的實用文檔、出版物、行業研究報告、以及數千位行業名人貢獻的專業檔案，各類讀物總數超過兩億。豆丁網鼓勵原創、鼓勵分享、尊重和維護上傳者的權益。在豆丁網，你可以分享你的文檔，并通過豆丁發表到不同部落格、論壇以及各種平臺上，進行廣泛傳播，同時還可以以非常環保的方式、低廉的價格看到熱門書刊、雜志、以及各類專業文獻。

豆丁網(Docin)是全球優秀的C2C文檔銷售與分享社區。豆丁允許用戶上傳包括：pdf、doc、ppt、txt在內的數十種格式的文檔檔案，并以Flash Player的形式在網頁中直接展示給讀者。簡而言之，豆丁就如同文檔版的Youtube。每天都有數以萬計的文檔會上傳到豆丁，正基于此，豆丁將致力構建全球最大的中文圖書館。

基本介紹 中文名 ：豆丁網 外文名 ：docin 網站類型 ：C2C文檔分享網站 網站創始人 ：林耀成 創立時間 ：2007年 官網 ：:docin/ 產品與服務,豆丁會議,會議PPT,豆丁書房,豆丁閱讀,播放器,豆丁彩蛋,服務理念,成長歷程,發展歷史,發展現狀, 產品與服務 豆丁會議 豆丁網會議頻道，整合國內最高端會議的商業文檔內容，關注各行業發展動態，挖掘行業文檔的商業價值，提供給行業人員一個專業的知識分享平臺。在這里，能

很赞哦!（6412）