用mapreduce 处理气象数据集

用mapreduce 处理气象数据集

编写程序求每日最高最低气温，区间最高最低气温

1. 气象数据集下载地址为：ftp://ftp.ncdc.noaa.gov/pub/data/noaa
2. 按学号后三位下载不同年份月份的数据（例如201506110136号同学，就下载2013年以6开头的数据，看具体数据情况稍有变通）

   cd /usr/hadoop
   sodu mkdir qx
   cd /usr/hadoop/qx
   
   wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2018/9*

3. 解压数据集，并保存在文本文件中

   cd /usr/hadoop/qx/data/ftp.ncdc.noaa.gov/pub/data/noaa/2018
   sudo zcat 9*.gz >qxdata.txt

4. 对气象数据格式进行解析

   head qxdata.txt

5. 编写map函数，reduce函数   

   gedit mapper.py
   gedit reducer.py

   使用 mapper.py 编写map函数

6. #！/usr/bin/env python
   import sys
   for i in sys.stdin:
        i = i.strip()
        d = i[15:23]
        t = i[87:92]
   
        print '%s	%s' % (d,t) 

   使用reducer.py 编写reducer函数

   #!/usr/bin/env python
   from operator import itemggetter
   import sys
   
   current_word = None
   current_count = 0
   word = None
   
   for i in sys.stdin:
        i = i.strip()
        word,count = i.split('	', 1)
        try:
             count = int(count)
        except ValueError:
             continue
   
        if current_word == word:
            if current_count > count:
                 current_count = count
        else:
            if current_word:
                print '%s	%s' % (current_word, current_count)
            current_count = count
            current_word = word
   
   if current_word == word:
        print '%s	%s' % (current_word, current_count)

7. 将其权限作出相应修改

   chmod a+x /usr/hadoop/qx/mapper.py
   chmod a+x /usr/hadoop/qx/reducer.py

8. 本机上测试运行代码
9. 放到HDFS上运行
   1. 将之前爬取的文本文件上传到hdfs上
   2. 用Hadoop Streaming命令提交任务
10. 查看运行结果