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

1.按学号后三位下载不同年份月份的数据

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/2016/1*  (我学号是160 然而没有0月份)

 2.解压数据集，并保存在文本文件中

zcat data/ftp.ncdc.noaa.gov/pub/data/noaa/2016/1*.gz >qxdata.txt

3.

 

4.将其权限作出相应修改

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

5.

mapper.py

import sys

for line in sys.stdin:
    line = line.strip()
    print('%s\t%d' % (line[15:23], int(line[87:92])))

reducer.py

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))