Hadoop分析气象温度数据

首先下载气象数据，然后解压数据集，并保存在文本文件中：

下载地址：ftp://ftp.ncdc.noaa.gov/pub/data/noaa

我们下载国内的气象数据，使用下面命令进行下载

wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2017/5*
国内气象站ID区间50001-59998详细的可以在《1951—2007年中国地面气候资料日值数据集台站信息》中查看，不过应该不全。另外《StationIDs_Global_1509》中提供了世界各国气象站编号范围。

其中第5-10位表示气象站编号：501360（取前五位），查表可得对应的是黑龙江漠河。我们主要分析的是月份:16-21位和空气温度:88-92位的极值关系。

package com.temperature.yexin;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class TempJobMR {
        public static void main(String[] args) throws Exception{
            Configuration config = new Configuration();//
            System.out.println("Running MapReduce");
            String[] otherArgs = new GenericOptionsParser(config, args).getRemainingArgs();
            if(otherArgs.length < 2){
                System.out.println("Usage:worcount [...] ");
                System.exit(2);
            }
            Job job = Job.getInstance(config,"word count by yexin");
            job.setJarByClass(TempJobMR.class);
            job.setMapperClass(TempMapper.class);
            //job.setCombinerClass(TempReducer.class);
            job.setReducerClass(TempReducer.class);
            job.setOutputKeyClass(Text.class);
            job.setOutputValueClass(IntWritable.class);
            for(int i = 0;i < otherArgs.length-1;++i){
                  FileInputFormat.addInputPath(job,new Path(otherArgs[i]));    
            }
           
            FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length -1]));
            System.exit(job.waitForCompletion(true) ? 0:1);
        }
}
------------------------------------------------------------------------------------------------------------------
package com.temperature.yexin;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class TempReducer extends Reducer{
        private IntWritable result = new IntWritable();
        public void reduce(Text key,Iterable values,Context context) throws IOException,InterruptedException{
            int maxValue = Integer.MIN_VALUE;
            for(IntWritable value : values){
                maxValue = Math.max(maxValue, value.get());
                System.out.println("+++++++++++++++++++++++++++++++++++++++++");
            }
            context.write(key, new IntWritable(maxValue));
        }
}

----------------------------------------------------------------------------------------------------------------

package com.temperature.yexin;

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 TempMapper extends Mapper{
        private static final int MISSING = 9999;
        public void map(LongWritable key,Text value,Context context) throws IOException,InterruptedException{
                String line = value.toString();
                //System.out.println("Mapper---------------------------------------------------------");
                String year = line.substring(15, 21);//the data is in 15~19
                int airTemperarure;
                if (line.charAt(87) == '+'){     //judge the temperature is + or -
                    airTemperarure = Integer.parseInt(line.substring(88,92));
                }else{
                    airTemperarure = Integer.parseInt(line.substring(87, 92));
                }
                String quality = line.substring(92, 93);
                if(airTemperarure != MISSING && quality.matches("[01459]")){
                    context.write(new Text(year),new IntWritable(airTemperarure));
                }
}
}

------------------------------------------------------------------------------------------------

结果很奇怪，再找原因，似乎时map的输出数据：