基于搜狗查詢數(shù)據(jù)500w條使用MapReduce做數(shù)據(jù)清洗，hive做離線分析的項目，詳細文檔附數(shù)據(jù)連接，搜狗實驗室的搜索數(shù)據(jù)下載后缺少了用戶ID字段的數(shù)據(jù)，所以本分析采用的是完整的數(shù)據(jù)，大家可以放心下載，如果下載數(shù)據(jù)的百度云鏈接失效無法下載，大家可以給我留言。