MapReduce怎么實現氣象站計算最低或最高溫度

這篇文章主要介紹“MapReduce怎么實現氣象站計算最低或最高溫度”，在日常操作中，相信很多人在MapReduce怎么實現氣象站計算最低或最高溫度問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”MapReduce怎么實現氣象站計算最低或最高溫度”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

TemperatureMR.java

package cn.kissoft.hadoop.week05;

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;

public class TemperatureMR {

    public static void main(String[] args) throws Exception {
        if (args.length != 2) {
            System.err.println("Usage: Temperature <input path> <output path>");
            System.exit(-1);
        }
        Job job = new Job();
        job.setJarByClass(TemperatureMR.class);
        job.setJobName("Max and min temperature");
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        job.setMapperClass(TemperatureMapper.class);
        job.setReducerClass(TemperatureReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

TemperatureMapper.java

package cn.kissoft.hadoop.week05;

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 TemperatureMapper 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(0, 4);
        int airTemperature = Integer.parseInt(line.substring(13, 19).trim());
        if (Math.abs(airTemperature) != MISSING) {
            context.write(new Text(year), new IntWritable(airTemperature));
        }
    }
}

MaxTemperatureReducer.java

package cn.kissoft.hadoop.week05;

import java.io.IOException;

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

public class TemperatureReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    @Override
    public void reduce(Text key, Iterable<IntWritable> values, Context context)
            throws IOException, InterruptedException {

        int maxValue = Integer.MIN_VALUE;
        int minValue = Integer.MAX_VALUE;
        for (IntWritable value : values) {
            maxValue = Math.max(maxValue, value.get());
            minValue = Math.min(minValue, value.get());
        }
        context.write(key, new IntWritable(maxValue));
        context.write(key, new IntWritable(minValue));
    }
}

運行過程

[wukong@bd11 guide]$ hadoop jar pc.jar cn.kissoft.hadoop.week05.TemperatureMR ./ch02/1959.txt ./ch02/out/
Warning: $HADOOP_HOME is deprecated.


14/08/15 16:29:32 WARN mapred.JobClient: Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same.
14/08/15 16:29:32 INFO input.FileInputFormat: Total input paths to process : 1
14/08/15 16:29:32 INFO util.NativeCodeLoader: Loaded the native-hadoop library
14/08/15 16:29:32 WARN snappy.LoadSnappy: Snappy native library not loaded
14/08/15 16:29:34 INFO mapred.JobClient: Running job: job_201408151617_0003
14/08/15 16:29:35 INFO mapred.JobClient:  map 0% reduce 0%
14/08/15 16:29:47 INFO mapred.JobClient:  map 100% reduce 0%
14/08/15 16:30:00 INFO mapred.JobClient:  map 100% reduce 100%
14/08/15 16:30:04 INFO mapred.JobClient: Job complete: job_201408151617_0003
14/08/15 16:30:04 INFO mapred.JobClient: Counters: 29
14/08/15 16:30:04 INFO mapred.JobClient:   Job Counters 
14/08/15 16:30:04 INFO mapred.JobClient:     Launched reduce tasks=1
14/08/15 16:30:04 INFO mapred.JobClient:     SLOTS_MILLIS_MAPS=14989
14/08/15 16:30:04 INFO mapred.JobClient:     Total time spent by all reduces waiting after reserving slots (ms)=0
14/08/15 16:30:04 INFO mapred.JobClient:     Total time spent by all maps waiting after reserving slots (ms)=0
14/08/15 16:30:04 INFO mapred.JobClient:     Launched map tasks=1
14/08/15 16:30:04 INFO mapred.JobClient:     Data-local map tasks=1
14/08/15 16:30:04 INFO mapred.JobClient:     SLOTS_MILLIS_REDUCES=12825
14/08/15 16:30:04 INFO mapred.JobClient:   File Output Format Counters 
14/08/15 16:30:04 INFO mapred.JobClient:     Bytes Written=19
14/08/15 16:30:04 INFO mapred.JobClient:   FileSystemCounters
14/08/15 16:30:04 INFO mapred.JobClient:     FILE_BYTES_READ=9180486
14/08/15 16:30:04 INFO mapred.JobClient:     HDFS_BYTES_READ=27544475
14/08/15 16:30:04 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=13886908
14/08/15 16:30:04 INFO mapred.JobClient:     HDFS_BYTES_WRITTEN=19
14/08/15 16:30:04 INFO mapred.JobClient:   File Input Format Counters 
14/08/15 16:30:04 INFO mapred.JobClient:     Bytes Read=27544368
14/08/15 16:30:04 INFO mapred.JobClient:   Map-Reduce Framework
14/08/15 16:30:04 INFO mapred.JobClient:     Map output materialized bytes=4590240
14/08/15 16:30:04 INFO mapred.JobClient:     Map input records=444264
14/08/15 16:30:04 INFO mapred.JobClient:     Reduce shuffle bytes=4590240
14/08/15 16:30:04 INFO mapred.JobClient:     Spilled Records=1251882
14/08/15 16:30:04 INFO mapred.JobClient:     Map output bytes=3755646
14/08/15 16:30:04 INFO mapred.JobClient:     Total committed heap usage (bytes)=218865664
14/08/15 16:30:04 INFO mapred.JobClient:     CPU time spent (ms)=6280
14/08/15 16:30:04 INFO mapred.JobClient:     Combine input records=0
14/08/15 16:30:04 INFO mapred.JobClient:     SPLIT_RAW_BYTES=107
14/08/15 16:30:04 INFO mapred.JobClient:     Reduce input records=417294
14/08/15 16:30:04 INFO mapred.JobClient:     Reduce input groups=1
14/08/15 16:30:04 INFO mapred.JobClient:     Combine output records=0
14/08/15 16:30:04 INFO mapred.JobClient:     Physical memory (bytes) snapshot=322985984
14/08/15 16:30:04 INFO mapred.JobClient:     Reduce output records=2
14/08/15 16:30:04 INFO mapred.JobClient:     Virtual memory (bytes) snapshot=1455579136
14/08/15 16:30:04 INFO mapred.JobClient:     Map output records=417294

運行結果

[wukong@bd11 guide]$ hadoop fs -cat ./ch02/out/part-r-00000

Warning: $HADOOP_HOME is deprecated.

1959    418
1959    -400

截圖

到此，關于“MapReduce怎么實現氣象站計算最低或最高溫度”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！