《分布式》布置了一道小作业，让我花了7天时间学习了Hadoop。。。现在终于可以正式地做这个作业了，记录一下。

使用Hadoop分析气象数据

1 获取数据
- 1.1 下载数据
- 1.2 数据格式
- 1.3 合并数据
2 MapReduce处理数据
- 2.1 环境配置，启动集群
- 2.2 上传到HDFS
- 2.2 编写MapReduce代码
- - 2.2.1 TemperatureMapper
  - 2.2.2 TemperatureReducer
  - 2.2.3 JobMain
- 2.3 执行
- - 2.3.1 打包、上传
  - 2.3.2 运行
3 导入数据到Hive
4 Hive数据分析
5 使用Sqoop导入数据到Mysql
- 5.1 Mysql创建数据库
- 5.2 开始导入
6 展示数据
- 6.1 前端代码
- 6.2 后端代码

1 获取数据

1.1 下载数据

注意：为了不出现横向拖拉，命令里我加了换行，所有命令都是如此。
获取命令：

wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/isd-lite/2019/5*

注意：下载可能出现卡顿，直接 ctrl+c 中断，然后再次输入命令即可。

我就下载了下面这么多，共计78429条。

1.2 数据格式

截取部分数据，格式如下：

2019 01 01 00   -65  -123 10199   345    95     8 -9999 -9999
2019 01 01 01   -62  -115 10213   350    86 -9999 -9999 -9999
2019 01 01 02   -62  -110 10223   343    86 -9999 -9999 -9999
2019 01 01 03   -62  -114 10234   337    77 -9999 -9999 -9999
2019 01 01 04   -62  -118 10242   345    86 -9999 -9999 -9999
2019 01 01 05   -62  -116 10252   331    63 -9999 -9999 -9999
2019 01 01 06   -62  -114 10259   306    38     6 -9999 -9999
2019 01 01 07   -62  -114 10264   281    29 -9999 -9999 -9999
2019 01 01 08   -62  -113 10268   268    39 -9999 -9999 -9999
2019 01 01 09   -59  -116 10271   254    31     3 -9999 -9999
2019 01 01 10   -62  -115 10271   238    24 -9999 -9999 -9999
2019 01 01 11   -80  -122 10269   254    12 -9999 -9999 -9999
2019 01 01 12   -67  -103 10264   322    12     5 -9999 -9999
2019 01 01 13   -62  -100 10261    27    13 -9999 -9999 -9999
2019 01 01 14   -29   -72 10259   230    40 -9999 -9999 -9999
2019 01 01 15   -20   -67 10254   242    49     5 -9999 -9999

字段解释如下：

字段1：位置1-4，长度4:观测年份，四舍五入到最接近
字段2：位置6-7，长度2：观察月，四舍五入到最接近
字段3：位置9-11，长度2：观察日，四舍五入到最接近
字段4：位置12-13，长度2：观察时，四舍五入到最接近
字段5：位置14-19，长度6：空气温度，单位：摄氏度，比例因子：10，缺少值：-9999，
字段6：位置20-24，长度6：露点温度，为了达到饱和，必须在恒定的压力和水蒸气含量下冷却给定的空气包的温度。单位：摄氏度，比例因子：10，缺少值：-9999
字段7:Pos 26-31，长度6：海平面压力，相对于平均海平面的气压。单位：公顷，比例因子：10，缺少值：-9999
字段8：32-37号位置，长度6：风向。正北角在正北和风向之间以顺时针方向测量的角度。单位：角度。比例因子：1，缺少值：-9999。*注：静风风向编码为0。
字段9：38-43位置，长度6：风速，空气通过一个固定点的水平运动速度。单位：米每秒。比例因子：10。缺少值：-9999
字段10:位置44-49，长度6:天空状况总覆盖代码，表示被云层或其它遮蔽现象覆盖的整个穹顶的一部分的代码。缺少值：-9999
域：
0:无，SKC或CLR
1： 一个okta-1/10或更小但不是零
2： 两个oktas-2/10-3/10，或几个
3： 三个oktas-4/10
4： 四个oktas-5/10，或SCT
5： 五个oktas-6/10
6： 六个oktas-7/10-8/10
7： 七个oktas-9/10或以上，但不是10/10或BKN
8： 八个oktas-10/10，或OVC
9： 天空模糊不清，或云量无法估计
10： 部分遮蔽
11： 稀散
12： 分散的
13： 暗散射
14： 薄断
15： 破碎的
16： 暗断
17： 薄阴
18： 阴天
19： 阴天
字段11：位置50-55，长度6：液体沉淀深度尺寸-持续一小时，在一个小时的积累期内测量的液体沉淀的深度。单位：毫米，比例因子：10，缺少值：-9999。*注：痕量降水编码为-1
字段12：位置56-61，长度6：液体沉淀深度尺寸-持续6小时，在六小时的积累期内测量的液体沉淀的深度。单位：毫米。比例因子：10。缺少值：-9999。*注：痕量降水编码为-1

字段很多，但是这里我只用前5个字段，任务是统计每日最高温度、最低温度、平均温度，有时间的话顺便计算点儿静态统计值。其余字段应该是类似的，正所谓一通百通。

1.3 合并数据

数据很分散，合并数据：
zcat 2019/*.gz > data.txt

到此数据获取完毕。

2 MapReduce处理数据

2.1 环境配置，启动集群

详情跳转到 : 大数据学习系列：Hadoop3.0苦命学习（一），本文不再赘述。

2.2 上传到HDFS

hdfs dfs -mkdir -p /usr/hadoop/in
hdfs dfs -ls /usr/hadoop/
hdfs dfs -put data.txt /usr/hadoop/in/

执行截图：

去控制台查看一下是否成功：

2.2 编写MapReduce代码

2.2.1 TemperatureMapper

public class TemperatureMapper extends Mapper<LongWritable, Text, Text, LongWritable> {private static final long MISSING = -9999;@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {String line = value.toString();Iterable<String> split = Splitter.on(" ").omitEmptyStrings().split(line);ArrayList<String> arrayList = new ArrayList<>(16);for (String s : split) {arrayList.add(s);}// 过滤掉字段不足的数据if (arrayList.size() >= 5) {String month = arrayList.get(1);String day = arrayList.get(2);long temperature = Long.parseLong(arrayList.get(4));// 过滤掉温度不存在的数据if (Math.abs(temperature - MISSING) > 0.0001) {context.write(new Text(month + "/" + day), new LongWritable((temperature)));}}}}

主要是原数据进行了清洗，过滤了一些不合格的数据。

2.2.2 TemperatureReducer

public class TemperatureReducer extends Reducer<Text, LongWritable, Text, Temperature> {@Overrideprotected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {long maxTemperature = Long.MIN_VALUE;long minTemperature = Long.MAX_VALUE;double avgTemperature = 0.0;long temp;int count = 0;if (values!=null) {for (LongWritable value: values) {temp = value.get();maxTemperature = Math.max(temp, maxTemperature);minTemperature = Math.min(temp, minTemperature);avgTemperature += temp;count++;}Temperature temperature = new Temperature(maxTemperature, minTemperature, avgTemperature/count);context.write(key, temperature);}}
}

计算出每日温度的最大值、最小值和平均值，并放入Temperature对象中。

2.2.3 JobMain

public class JobMain extends Configured implements Tool {@Overridepublic int run(String[] strings) throws Exception {// 创建一个任务对象Job job = Job.getInstance(super.getConf(), "mapreduce_temperature");// 打包放在集群运行时，需要做一个配置job.setJarByClass(JobMain.class);// 第一步：设置读取文件的类：K1和V1job.setInputFormatClass(TextInputFormat.class);TextInputFormat.addInputPath(job, new Path("hdfs://node01:8020/usr/hadoop/in"));// 第二步：设置Mapper类job.setMapperClass(TemperatureMapper.class);// 设置Map阶段的输出类型：k2和v2的类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(LongWritable.class);// 第三、四、五、六步采用默认方式（分区，排序，规约，分组）// 第七步：设置Reducer类job.setReducerClass(TemperatureReducer.class);// 设置Reduce阶段的输出类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(Temperature.class);// 第八步：设置输出类job.setOutputFormatClass(TextOutputFormat.class);// 设置输出路径TextOutputFormat.setOutputPath(job, new Path("hdfs://node01:8020/usr/hadoop/temperature"));boolean b = job.waitForCompletion(true);return b?0:1;}public static void main(String[] args) throws Exception {Configuration configuration = new Configuration();// 启动一个任务ToolRunner.run(configuration, new JobMain(), args);}}

2.3 执行

2.3.1 打包、上传

老套路，不说了。

2.3.2 运行

hadoop jar temperature_test-1.0-SNAPSHOT.jar cn.sky.hadoop.JobMain
执行结果：

在这里看一眼数据：

嗯，还行。

3 导入数据到Hive

Hive详情过程，请参考：大数据学习系列：Hadoop3.0苦命学习（五）

有个问题，若直接从HDFS导入数据到Hive，HDFS上的数据会丢失。

所以我将数据下载下来，重命名为 temperature_data ，并上传到 node03 上

数据有了，开始创建Hive表：

 create external table temperature (t_date string, t_max double, t_min double, t_avg double) row format delimited fields terminated by '\t';

加载数据到hive：

load data local inpath '/export/services/temperature_data' overwrite into table temperature;

查前面5条数据，看一眼：

select * from temperature limit 5;

4 Hive数据分析

弄得简单，就查几个静态数据吧。

查询2019全年平均温度
select avg(t_avg) from temperature;

哇，太慢了，查了25秒，最终结果是3.46（因为数据是被放大了10倍）左右

查询2019全年高于平均温度的天数
select count(1) from temperature where t_avg > 34.6;
答案是：196天，很显然低于平均气温的天数是169天。

好了，差不多就行了。

5 使用Sqoop导入数据到Mysql

Sqoop详情过程，请参考：大数据学习系列：Hadoop3.0苦命学习（七）

5.1 Mysql创建数据库

CREATE TABLE `temperature` (`Tem_Date` varchar(10) NOT NULL,`Tem_Max` double DEFAULT NULL,`Tem_Min` double DEFAULT NULL,`Tem_Avg` double DEFAULT NULL,PRIMARY KEY (`Tem_Date`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8

5.2 开始导入

bin/sqoop export --connect jdbc:mysql://192.168.0.102:3306/userdb --username root --password 123456 --table temperature --export-dir /usr/hadoop/temperature --input-fields-terminated-by "\t"

经过半分钟的等待，就可以在mysql中查到数据了，见下图：

不错，数据很好。

6 展示数据

这里前端使用echart，jsp，后端使用Spring、SpringMVC、Mybatis。

代码较多，展示主要的。

6.1 前端代码

主要是这一段，使用Ajax向后台请求数据，然后将数据丢进eChart中。

6.2 后端代码

controller层

@Autowiredprivate TemperatureService tempService;@RequestMapping("/getTemperature.action")@ResponseBodypublic TemperatureReturnPojo getTemperature(){TemperatureReturnPojo temperaturePojo =  tempService.getAllTemperature();System.out.println(temperaturePojo);return temperaturePojo;}

Service层

public interface TemperatureService {TemperatureReturnPojo getAllTemperature();
}

Service实现类

@Service
public class TemperatureServiceImpl implements TemperatureService {@Autowiredprivate TemperatureMapper temperatureMapper;@Overridepublic TemperatureReturnPojo getAllTemperature() {TemperatureReturnPojo temperatureReturnPojo = new TemperatureReturnPojo();ArrayList<String> dates = new ArrayList<>();ArrayList<String> maxs = new ArrayList<>();ArrayList<String> mins = new ArrayList<>();ArrayList<String> avgs = new ArrayList<>();DecimalFormat df = new DecimalFormat("#.00");List<TemperaturePojo> allTemperature = temperatureMapper.getAllTemperature();for (TemperaturePojo pojo : allTemperature) {dates.add(pojo.getTem_Date());maxs.add(df.format(pojo.getTem_Max()/10.0));mins.add(df.format(pojo.getTem_Min()/10.0));avgs.add(df.format(pojo.getTem_Avg()/10.0));}temperatureReturnPojo.setTem_Dates(dates);temperatureReturnPojo.setTem_Maxs(maxs);temperatureReturnPojo.setTem_Mins(mins);temperatureReturnPojo.setTem_Avgs(avgs);return temperatureReturnPojo;}
}

实体类

public class TemperaturePojo {private String Tem_Date;private Double Tem_Max;private Double Tem_Min;private Double Tem_Avg;// 省略Get()、Set()、ToString()方法
}public class TemperatureReturnPojo {private List<String> Tem_Dates;private List<String> Tem_Maxs;private List<String> Tem_Mins;private List<String> Tem_Avgs;// 省略Get()、Set()、ToString()方法
}

Mapper

public interface TemperatureMapper {List<TemperaturePojo> getAllTemperature();
}

<mapper namespace="cn.itcast.weblog.mapper.TemperatureMapper" ><select id="getAllTemperature"   resultType="cn.itcast.weblog.pojo.TemperaturePojo">select * from temperature;</select></mapper>

运行结果如下：

流程完成，撒花~~~

代码：完整代码下载

csdn资源下载从1积分涨到了50积分，可怕。

因此我又把放到了github 完整代码下载

2022年12月15日更新：很多同学在问数据在哪在哪，其实在1.1节已经说过了，现在说详细点儿。

linux命令行输入：

wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/isd-lite/2019/5*

就会看到下面的提示，表示正在下载了。

下载一会儿后，当前目录下就会有 data/ftp.ncdc.noaa.gov/pub/data/noaa/isd-lite/2019 ,进入这个目录，你可以看到1.1节的数据了。

使用Hadoop分析气象数据完整版（附带完整代码）相关推荐

【仿真】Carla之收集数据快速教程 (附完整代码)
收集过程可视化展示,随后进入正文: 参考与前言看到仿真群对这类任务下(用carla收集数据然后再做训练等) 需求量大,顺手马上写一个好了,首先收集数据需要考虑清楚: 收集什么数据,需要什么样的数据格 ...
Python实现网页截图，附带完整代码
Python实现网页截图,附带完整代码在现代化的互联网时代,我们经常需要对网页进行截图以便于保存.共享以及其他种种用途.Python是一种功能强大的编程语言,可以帮助我们轻松地实现网页截图功能.本文 ...
【权威发布】360天眼实验室：Xshell被植入后门代码事件分析报告（完整版）
本文由安全客原创发布,如需转载请注明来源及本文地址. 本文地址:http://bobao.360.cn/learning/detail/4278.html 文档信息事件概要事件简述近日,非常 ...
基于Python分析气象数据教程-1
前言本笔记介绍了如何使用 Python.pandas 和 SciPy 对天气数据进行基本分析. 它不包含对气象科学的贡献,但说明了如何生成简单的图和基本模型来拟合一些真实的物理观测. 一.相关库引入 ...
使用Hadoop分析大数据
大数据由于其庞大的规模而显得笨拙,并且大数据需要工具进行高效地处理并从中提取有意义的结果.Hadoop是一个用于存储,分析和处理数据的开源软件框架和平台.本文是Hadoop如何帮助分析大数据的初学者指 ...
个人全自动发卡网完整版附加完整教程
推荐系统:Centos 7.6或更高宝塔环境安装教程: https://blog.csdn.net/u010815991/article/details/115942869 NGINX环境 PHP ...
【Java】JavaSE实践项目完整版（含代码）
在开始动手前先进行需求分析和模型设计. 需求分析: 先看看我们所需要的系统功能结构: 这个项目简单来说需要完成用户.开发人员.开发团队和开发项目的增删改查,在完成相应的功能之后还要与用户交互实现即设计 ...
echarts 三种数据双y轴显示（文末附带完整代码）
说明:网络引用echarts.js和直接下载echarts引用的样式可能会不一致,需要对折线的样式和字体进行修改的请参考我的另外一篇文章https://blog.csdn.net/Wangwangwa ...
chrome动态ip python_用Python爬虫爬取动态网页，附带完整代码，有错误欢迎指出！...
系统环境: 操作系统:Windows8.1专业版 64bit Python:anaconda.Python2.7 Python modules:requests.random.json Backgro ...

使用Hadoop分析气象数据完整版（附带完整代码）