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

创建qx文件夹，下载气象数据集并解压

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/2017/1*

cd /usr/hadoop/qx/data/ftp.ncdc.noaa.gov/pub/data/noaa/2017
sudo zcat 1*.gz >qxdata.txt
cd /usr/hadoop/qx

 使用 vim mapper.py 编写map函数

#！/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 vim reducer.py 编写reduce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)

授予权限

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