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

建立qx文件夾，下載氣象數據集並解壓

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 編寫map函數

#！/usr/bin/env python
import sys
for i in sys.stdin:
     i = i.strip()
     d = i[15:23]
     t = i[87:92]

     print '%s\t%s' % (d,t) 

 

使用 vim reducer.py 編寫reduce函數

#!/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('\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)

授予權限

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