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
    
    

    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

     

     

    #!/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)

     

    #!/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)

     

     

posted on 2018-05-09 21:53  182冯志坚  阅读(60)  评论(0编辑  收藏  举报

导航