《分佈式》佈置了一道小作業，讓我花了7天時間學習了Hadoop。。。現在終於可以正式地做這個作業了，記錄一下。
使用Hadoop分析氣象數據
1 獲取數據
1.1 下載數據
注意：爲了不出現橫向拖拉，命令裏我加了換行，所有命令都是如此。
獲取命令：
wget -D --accept-regex=REGEX -P data -r
-c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/isd-lite/2019/5*
注意：下載可能出現卡頓，直接 ctrl+c 中斷，然後再次輸入命令即可。
我就下載了下面這麼多，共計78429條。
1.2 數據格式
截取部分數據，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
字段解釋如下：
字段1：位置1-4，長度4:觀測年份，四捨五入到最接近
字段2：位置6-7，長度2：觀察月，四捨五入到最接近
字段3：位置9-11，長度2：觀察日，四捨五入到最接近
字段4：位置12-13，長度2：觀察時，四捨五入到最接近
字段5：位置14-19，長度6：空氣溫度，單位：攝氏度，比例因子：10，缺少值：-9999，
字段6：位置20-24，長度6：露點溫度，爲了達到飽和，必須在恆定的壓力和水蒸氣含量下
冷卻給定的空氣包的溫度。單位：攝氏度，比例因子：10，缺少值：-9999
字段7:Pos 26-31，長度6：海平面壓力，相對於平均海平面的氣壓。單位：公頃，比例因
子：10，缺少值：-9999
字段8：32-37號位置，長度6：風向。正北角在正北和風向之間以順時針方向測量的角度。
單位：角度。比例因子：1，缺少值：-9999。*注：靜風風向編碼爲0。
字段9：38-43位置，長度6：風速，空氣通過一個固定點的水平運動速度。單位：米每秒。
比例因子：10。缺少值：-9999
字段10:位置44-49，長度6:天空狀況總覆蓋代碼，表示被雲層或其它遮蔽現象覆蓋的整個穹
頂的一部分的代碼。缺少值：-9999
域：
0:無，SKC或CLR
1： 一個okta-1/10或更小但不是零
2： 兩個oktas-2/10-3/10，或幾個
3： 三個oktas-4/10
4： 四個oktas-5/10，或SCT
5： 五個oktas-6/10
6： 六個oktas-7/10-8/10
7： 七個oktas-9/10或以上，但不是10/10或BKN
8： 八個oktas-10/10，或OVC
9： 天空模糊不清，或雲量無法估計
10： 部分遮蔽
11： 稀散
12： 分散的
13： 暗散射
14： 薄斷
15： 破碎的
16： 暗斷
17： 薄陰
18： 陰天
19： 陰天
字段11：位置50-55，長度6：液體沉澱深度尺寸-持續一小時，在一個小時的積累期內測量
的液體沉澱的深度。單位：毫米，比例因子：10，缺少值：-9999。*注：痕量降水編碼爲-1
字段12：位置56-61，長度6：液體沉澱深度尺寸-持續6小時，在六小時的積累期內測量的液
體沉澱的深度。單位：毫米。比例因子：10。缺少值：-9999。*注：痕量降水編碼爲-1
字段很多，但是這裏我只用前5個字段，任務是統計每日最高溫度、最低溫度、平均溫度，有時間的話順便計算點兒靜態統計值。其餘字段應該是類似的，正所謂一通百通。
1.3 合併數據
數據很分散，合併數據：
zcat 2019/*.gz > data.txt
到此數據獲取完畢。
2 MapReduce處理數據
2.1 環境配置，啓動集羣
詳情跳轉到 : 大數據學習系列：Hadoop3.0苦命學習（一），本文不再贅述。
2.2 上傳到HDFS
hdfs dfs -mkdir -p /usr/hadoop/in
hdfs dfs -ls /usr/hadoop/
hdfs dfs -put data.txt /usr/hadoop/in/
執行截圖：
去控制檯查看一下是否成功：
2.2 編寫MapReduce代碼
2.2.1 TemperatureMapper
public class TemperatureMapper extends Mapper<LongWritable, Text,
Text, LongWritable> {
private static final long MISSING = -9999;
@Override
protected 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);
}
// 過濾掉字段不足的數據
if (arrayList.size() >= 5) {
String month = arrayList.get(1);
String day = arrayList.get(2);
long temperature = Long.parseLong(arrayList.get(4));
// 過濾掉溫度不存在的數據
if (Math.abs(temperature - MISSING) > 0.0001) {
context.write(new Text(month + "/" + day),
new LongWritable((temperature)));
}
}
}
}
主要是原數據進行了清洗，過濾了一些不合格的數據。
2.2.2 TemperatureReducer
public class TemperatureReducer extends Reducer<Text, LongWritable,
Text, Temperature> {
@Override
protected 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);
}
}
}
計算出每日溫度的最大值、最小值和平均值，並放入Temperature對象中。
2.2.3 JobMain
public class JobMain extends Configured implements Tool {
@Override
public int run(String[] strings) throws Exception {
// 創建一個任務對象
Job job = Job.getInstance(super.getConf(), "mapreduce_temperature");
// 打包放在集羣運行時，需要做一個配置
job.setJarByClass(JobMain.class);
// 第一步：設置讀取文件的類：K1和V1
job.setInputFormatClass(TextInputFormat.class);
TextInputFormat.addInputPath(job,
new Path("hdfs://node01:8020/usr/hadoop/in"));
// 第二步：設置Mapper類
job.setMapperClass(TemperatureMapper.class);
// 設置Map階段的輸出類型：k2和v2的類型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
// 第三、四、五、六步採用默認方式（分區，排序，規約，分組）
// 第七步：設置Reducer類
job.setReducerClass(TemperatureReducer.class);
// 設置Reduce階段的輸出類型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Temperature.class);
// 第八步：設置輸出類
job.setOutputFormatClass(TextOutputFormat.class);
// 設置輸出路徑
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();
// 啓動一個任務
ToolRunner.run(configuration, new JobMain(), args);
}
}
2.3 執行
2.3.1 打包、上傳
老套路，不說了。
2.3.2 運行
hadoop jar temperature_test-1.0-SNAPSHOT.jar cn.sky.hadoop.JobMain
執行結果：
在這裏看一眼數據：
嗯，還行。
3 導入數據到Hive
Hive詳情過程，請參考：大數據學習系列：Hadoop3.0苦命學習（五）
有個問題，若直接從HDFS導入數據到Hive，HDFS上的數據會丟失。
所以我將數據下載下來，重命名爲 temperature_data ，並上傳到 node03 上
數據有了，開始創建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';
加載數據到hive：
load data local inpath '/export/services/temperature_data' overwrite
into table temperature;
查前面5條數據，看一眼：
select * from temperature limit 5;
4 Hive數據分析
弄得簡單，就查幾個靜態數據吧。
- 查詢2019全年平均溫度
select avg(t_avg) from temperature;
哇，太慢了，查了25秒，最終結果是3.46（因爲數據是被放大了10倍）左右
- 查詢2019全年高於平均溫度的天數
select count(1) from temperature where t_avg > 34.6;
答案是：196天，很顯然低於平均氣溫的天數是169天。
好了，差不多就行了。
5 使用Sqoop導入數據到Mysql
Sqoop詳情過程，請參考：大數據學習系列：Hadoop3.0苦命學習（七）
5.1 Mysql創建數據庫
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 開始導入
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"
經過半分鐘的等待，就可以在mysql中查到數據了，見下圖：
不錯，數據很好。
6 展示數據
這裏前端使用echart，jsp，後端使用Spring、SpringMVC、Mybatis。
代碼較多，展示主要的。
6.1 前端代碼
主要是這一段，使用Ajax向後臺請求數據，然後將數據丟進eChart中。
6.2 後端代碼
controller層
@Autowired
private TemperatureService tempService;
@RequestMapping("/getTemperature.action")
@ResponseBody
public TemperatureReturnPojo getTemperature(){
TemperatureReturnPojo temperaturePojo = tempService.getAllTemperature();
System.out.println(temperaturePojo);
return temperaturePojo;
}
Service層
public interface TemperatureService {
TemperatureReturnPojo getAllTemperature();
}
Service實現類
@Service
public class TemperatureServiceImpl implements TemperatureService {
@Autowired
private TemperatureMapper temperatureMapper;
@Override
public 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;
}
}
實體類
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>
運行結果如下：
流程完成，撒花~~~
代碼：完整代碼下載