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）
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

   import sys
   
   for line in sys.stdin:
       line = line.strip()
       print('%s\t%d' % (line[15:23], int(line[87:92])))
   from operator import itemgetter
   import sys
   
   current_date = None
   current_temperature = 0
   date = None
   
   for line in sys.stdin:
       line = line.strip()
       date, temperature = line.split('\t', 1)
       try:
           temperature = int(temperature)
       except ValueError:
           continue
   
       if current_date == date:
           if current_temperature < temperature:
               current_temperature = temperature
       else:
           if current_date:
               print('%s\t%d' % (current_date, current_temperature))
           current_temperature = temperature
           current_date = date
   
   if current_date == date:
       print('%s\t%d' % (current_date, current_temperature))
   chmod a+x mapper.py 
   chmod a+x reducer.py 
   cat test.txt | python mapper.py | python reducer.py