如何用hadoop统计美国气象局的最高气温

Posted 2023-05-17

如果只用hadoop，需要自己编写mapreduce来完成需求。
1、首先你要有数据，可读取后进行使用的数据，如果计算温度，那么至少能顺利读取到温度这项指标，实际中可能要以一个维度统计，比如年等。
2、编写分布式运行程序，在map中定义临时变量比较并存储温度最大值，最后只需要输出一次最大值（没必要把所有数据交给下一阶段比较，本需求这个过程完全浪费）
3、reduce接受各个map的最大值继续比较，最高值的需求reduce只能设置为1 参考技术A 有本书《Hadoop权威指南》的第二章专门介绍了用hadoop计算气象局的最高气温

Example 2-3. Mapper for the maximum temperature example
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class MaxTemperatureMapper
extends Mapper<LongWritable, Text, Text, IntWritable>
private static final int MISSING = 9999;
@Override
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException
String line = value.toString();
String year = line.substring(15, 19);
int airTemperature;
if (line.charAt(87) == '+') // parseInt doesn't like leading plus signs
airTemperature = Integer.parseInt(line.substring(88, 92));
else
airTemperature = Integer.parseInt(line.substring(87, 92));

String quality = line.substring(92, 93);
if (airTemperature != MISSING && quality.matches("[01459]"))
context.write(new Text(year), new IntWritable(airTemperature));

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)

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