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