用mapreduce 處理氣象數據集

用mapreduce 處理氣象數據集

編寫程序求每日最高最低氣溫，區間最高最低氣溫

1. 氣象數據集下載地址爲：ftp://ftp.ncdc.noaa.gov/pub/data/noaa
2. 按學號後三位下載不一樣年份月份的數據（例如201506110136號同窗，就下載2013年以6開頭的數據，看具體數據狀況稍有變通）
3. 解壓數據集，並保存在文本文件中
4. 對氣象數據格式進行解析
5. 編寫map函數，reduce函數
6. 將其權限做出相應修改
7. 本機上測試運行代碼
8. 放到HDFS上運行
   1. 將以前爬取的文本文件上傳到hdfs上
   2. 用Hadoop Streaming命令提交任務
9. 查看運行結果
   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/2018/2*
   cd /usr/hadoop/qx/data/ftp.ncdc.noaa.gov/pub/data/noaa/2018
   sudo zcat 1*.gz >qxdata.txt
   cd /usr/hadoop/qx
   
   import sys
   for i in sys.stdin:
        i = i.strip()
        d = i[15:23]
        t = i[87:92]
        print '%s\t%s' % (d,t) 
   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('\t', 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\t%s' % (current_word, current_count)
            current_count = count
            current_word = word
   if current_word == word:
        print '%s\t%s' % (current_word, current_count)
   chmod a+x /usr/hadoop/qx/mapper.py
   chmod a+x /usr/hadoop/qx/reducer.py