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

10. 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)
    

    　授予权限　

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