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）
3. 解压数据集，并保存在文本文件中
4. 对气象数据格式进行解析
5. 编写map函数，reduce函数
6. 将其权限作出相应修改
7. 本机上测试运行代码
8. 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
9. 查看运行结果

1 2 3 4 5 6 7 8 9

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/2014/5*    cd /usr/hadoop/qx/data/ftp.ncdc.noaa.gov/pub/data/noaa/2014 sudo zcat 1*.gz >qxdata.txt cd /usr/hadoop/qx

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

#!/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)

　　

修改权限

1 2	chmod a+x /usr/hadoop/qx/mapper.py chmod a+x /usr/hadoop/qx/reducer.py