电影票房之数据分析（Hive）

第1关：统计2020年上映的电影中，当前总票房最高的10部电影

本关任务

基于EduCoder平台提供的初始数据集，统计 2020 年上映的电影中，当前总票房最高的 10 部电影。

编程要求

本实验环境已开启Hadoop服务

1. 在 hive 中创建数据库 mydb；

2. 在 mydb 中创建 moviecleaned 表，将数据集movies.txt导入 moviecleaned 表中。注意：数据集所在位置：/data/workspace/myshixun/data/movies.txt，数据集文件字段之间以\t分割，文件部分数据展示如下：

1. 天气之子 6676.11 21.2% 92616 25.4% 24 19.9% 11300.0 上映2天 2019-11-02 2019-11-01
2. 天池水怪 1.14 <0.1% 57 <0.1% 6 -- 84.4 2020-10-09 往期电影
3. 太空狗之月球大冒险 3.58 <0.1% 333 <0.1% 4 4.5% 270.7 上映14天 2019-12-27 2019-12-14
4. 夺冠 2985.81 60.4% 133808 50.3% 6 4.0% 22900.0 上映5天 2020-09-29 2020-09-25

   3.在 hive 数据库 mydb 中，创建 top10_boxoffice表 ,使用 Hive SQL 来统计 2020 年上映的电影中当前总票房最高的 10 部电影（当前总票房保留 1 位小数），并插入到top10_boxoffice表。

查询结果样例如下：

1. movie_name boxoffice
2. 八佰 309200.0
3. 我和我的家乡 225600.0

相关数据及结构说明

数据集对应字段说明：

字段名	说明	数据类型
movie_name	电影名	string
boxoffice	当日综合票房	string
box_rate	票房占比	string
sessions	排片场次	string
show_count_rate	排片占比	string
avg_number	场均人次	string
attendance	上座率	string
total_boxoffice	当前总票房	string
movie_days	上映天数	string
current_time	当前日期	string
releaseDate	上映日期	string

top10_boxoffice 表结构：

字段名	类型	说明
movie_name	string	电影名
boxoffice	double	票房

注意事项

• 任务完成后请点击"评测"按钮，系统验证 top10_boxoffice 表是否存在并查询表内容，程序未通过的情况下，可以点击测试集查看具体问题；

• 本任务设置了多个测试集，通过其中任一测试集将可获得对应分数；

• 实训总共有五个关卡，点击关卡目录图标可完成切换，如下图：

  

考核点说明

从 mydb 数据库中的 top10_boxoffice 表查询出来的内容是否正确。

---

开始你的任务吧，祝你成功！

AC:

#进入hive
hive
#在hive中创建数据库 mydb
create database mydb;
#使用数据库 mydb
use mydb;
#创建表moviecleaned并使用"/t"分割字段
create table moviecleaned(movie_name string,boxoffice string, box_rate string, sessions string, show_count_rate string, avg_number string, attendance string, total_boxoffice string, movie_days string,current_time string,releaseDate string) 
row format delimited fields terminated by '\t' 
stored as textfile;
#将本地清洗后的数据导入moviecleaned表中
load data local inpath '/data/workspace/myshixun/data/movies.txt' into table moviecleaned;
#创建top10_boxoffice表，用来存放数据查询的结果
create table top10_boxoffice(movie_name string, boxoffice float) row format delimited fields terminated by '\t' stored as textfile;
#查询，并将结果导入top10_boxoffice表中
insert overwrite table top10_boxoffice 
select movie_name,max(round(total_boxoffice,1)) m 
from moviecleaned 
WHERE releaseDate like '2020%'  
group by movie_name  
ORDER BY m DESC 
limit 10;