烟台今天有小雨最高气温18℃ 明日天气好转气温回升
来源：水母网
水母网10月16日讯（YMG记者 徐鲲）受冷暖空气共同影响，今天烟台全市大部分地区仍有小雨，气温明显下降。从明天开始，天气逐渐好转，气温回升。
昨天是“寒露”节气的第八天，从早上一直到中午，市区上空虽然云量稍多，但天空还算晴朗。下午随着云量继续增多，天空逐渐变得阴沉。昨天早上4点，市区的最低气温在15℃附近，到中午时分，白天的最高气温升至22℃。
今天白天烟台大部分地区有小雨，预计到夜间降水结束，转为多云天气；东南风转北风，风力不大，气温较昨天明显下降，预计白天市区最高气温在18℃左右。
明天烟台天气转晴，北风为主，气温小幅回升。后天天气多云，南风，风力不大，气温继续小幅回升。
目前“寒露”节气已经过半。气象专家介绍，“寒露”时节天气渐寒，昼夜温差加大，夜间或早晨容易形成雾天。专家提醒市民，秋雾既容易引起交通事故，又容易引发呼吸道疾病，因此在这样的天气里出行，一定要注意交通安全，同时，外出时最好戴上口罩。
烟台市气象台10月15日17时提供最新天气预报：今天白天到夜间，市区天气：小雨转多云，东南风转北风，风力不大，3到4级，最高气温18℃，最低气温14℃。明天白天到夜间：晴间多云，北到东北风，风力3到4级，最高气温21℃，最低气温14℃。后天白天到夜间：多云，南风，风力3到4级，气温：23～15℃。
责任编辑：王惠
&&新闻爆料热线:
网友评论文明上网理性发言，请遵守
水母论坛·热图
&论坛总置顶
增值许可证：鲁B2-号&&&&&广告经营许可证：鲁工商广字08-1685号&&&&&
中国互联网举报中心电话：12377&&&举报邮箱： &&
违法和不良信息举报电话：&&&举报邮箱：
水母网官网微信
水母网官网微博
烟台日报传媒集团/烟台星云信息传讯有限公司 本站官方网址聚焦强对流天气，攻克天气预报中的“硬骨头”聚焦强对流天气，攻克天气预报中的“硬骨头”从未步百家号入汛以来，我国多地出现短时雷雨大风等强对流天气。强对流天气通常“个头”不大、突如其来、生命短暂，却能在短时间内释放出强大的力量，因此准确预报和预警一直是气象工作中的难点。如何在强对流天气监测预报预警等环节中有所创新突破，提高预报预警的精准度和提前量？本期策划选取部分省份，反映其依托现有科技力量，在完善强对流天气业务和服务中的有效探索与成功示范。强对流天气预报业务监测手段不断丰富 数值模式迅速发展每年汛期，各地都少不了受到强对流天气这个“不速之客”的袭扰。根据国家气象中心统计，截至6月6日，今年全国共发生大范围强对流天气过程21次，其中出现了风雹的过程为19次。由于具有突发性、局地性等特点，强对流天气预报被称为“世界性难题”。国家气象中心在2009年成立强天气预报中心，专注于强对流天气预报业务，整体预报水平明显提升。“但就目前来说，国家气象中心开展全国范围精细化强对流天气预报的难度犹存。我国幅员辽阔，强对流天气的发生发展千差万别，给预报带来较大挑战。”强天气预报中心高级工程师盛杰说，“现阶段的技术手段主要依靠实况监测加上数值模式。”雷达凭借其高时空分辨率和广覆盖率的优势，依然是强对流监测的“主力军”。在雷达、地面自动观测站、探空、风廓线仪等监测手段的基础上，随着高分辨率卫星的加入，强对流天气监测“家族”逐渐壮大。“比如去年发射的‘风云四号’气象卫星，成像精度更高，可探测通道范围更多，并可观测闪电、大气湿度等。”盛杰说，有了多种观测手段，并实现“多源资料一体化”，可让强对流天气监测更加快捷有效。监测手段不断丰富，数值模式也在迅速发展。现在强对流天气预报业务上使用的GRAPES中尺度数值模式分辨率最高可达3公里，并实现每小时输出一次预报结果。下一步，GRAPES中尺度数值模式将升级，能够有效同化中小尺度观测资料。“依据计算资源情况，未来我们将尝试开展全国3公里分辨率的预报试验，在特定区域开展3公里分辨率逐小时循环同化试验。同时，上海、北京、广东、深圳等的中尺度模式数据支持将更加及时有效。”盛杰说。在攻克强对流天气预报难题这条道路上，各国气象专家都在不懈地探索。据了解，现在世界上各个国家对于强对流天气可能性的预报都属于潜势预报，即在某一个相对较长的时间段里，预报某个地区发生强对流天气的可能性。由于时段较长，只能笼统地给出一个大范围的预报，并不特别具有针对性。提前一段时间（几分钟、几十分钟或几小时）发布预警信息，则可以有效地弥补突发性、局地性强对流天气长时效预报能力的不足。所以，世界各国一般都采取临近预警的方式来进行指导和服务。针对未来我国强对流天气短时临近预报面临的挑战，盛杰认为，难点主要集中在精细化与分类监测预报方面。“虽然说模式分辨率已经达到3公里，但由于强对流天气发生的不确定性和模式存在的误差，这并不代表预报准确率能精确至3公里范围，预报结果还需要预报员做订正和技术处理。”未来，强对流天气业务将朝着分类更准确、时空分辨率更精细的方向发展，同时，更新预报的频率也将不断提高。广西：集约化业务系统提升联动效率5月24日零时17分，广西壮族自治区气象台值班预报员翟丽萍发现，强降水回波将在梧州上空较长时间盘旋，预计当地将出现雷电和短时强降水。她立即通过业务系统指导市、县台站发布预警信号。2时51分，梧州市气象台将暴雨橙色预警更新为红色预警，一场部门联防抢险救灾的行动随之开启……进入强对流天气多发的汛期，这样的场景在广西气象部门并不少见。广西地处低纬地区、云贵高原的下风向，春末夏初时该地区上空常常具备深对流发生发展的环境条件。“如果强对流天气发生的环境条件特征明显，一般可在24小时前预报出它大致影响的地区和时间。但是，在近地面没有冷空气入侵或者冷空气、高空槽很弱的情况下，强对流天气就很难预报出来，对于基层台站来说更是如此。”自治区气象台短时临近预警中心副主任黄荣介绍。为了克服这一难题，近年来，自治区气象局通过统一规划、研发和建设，在全区各级气象部门布设天气预报服务集约化业务系统，自治区、市、县各级气象部门可实时共享监测、预报、预警、服务等数据与产品。“该系统还融入了神经网络模式产品等广西自主研发的预报工具，整个预报效果更丰富，更契合本地实际。”自治区气象台总工程师林开平说。在5月24日的强降雨天气过程预报中，自治区、市、县级气象部门正是基于该系统，有效地加强了联防，助力基层地区做出临近分类预警；同时，各级气象部门通过气象站、雷达、云图实时监测，得到临近对流发生地点和强度，结合中尺度数值预报产品和各种外推方法，判别系统未来的发展强度和移动路径。当日凌晨，梧州电闪雷鸣，强降雨如期而至，在自治区、市、县三级气象部门联动下，预警信号连连升级。“接到预警短信后不久，村干部就开始组织大家撤离。”梧州市龙圩区新地镇都梅村村民莫昶彬的房屋靠近山体，他和家人在滑坡前迅速撤离。由于预警信号发布及时，部分群众提前从有倒塌风险的房屋撤离，避免了伤亡和财产损失。“此外，广西气象部门还建立了强对流天气概念模型和强对流天气潜势预报系统，帮助预报员掌握当地各类强对流天气的特征。”黄荣说。在预报员整体水平得以提升的基础上，2016年6月，自治区气象局成立了短时临近天气预报技术创新团队。该团队将利用3年时间，开展广西强对流天气客观预报方法研究，逐步实现短时临近强度和风险等级精细化预报。目前，已经完成部分分类强对流天气短时潜势客观预报和临近客观产品的开发，预计今年下半年将在全区灾害性天气临近预报预警中试用。此外，自治区气象局还建立了横向连接国土、农林、水利等部门，纵向连接国家突发预警发布平台的区、市、县一体化突发事件预警信息发布平台，下一步将完善精细化气象服务产品加工制作流程，提高预警信息一键式发布效率。广东：1公里模式助预报员“处变不惊”“见识到了广州天气的魔性，前一天还狂风暴雨，第二天早上艳阳高照，晒不过几小时，到了中午，又立即进入‘9级大风+冰雹’模式。”4月21日，广东省广州市越秀区刘小姐所在的写字楼已被暴雨裹挟，听着雨点、冰雹拍打楼体，刷着手机天气微博，刘小姐庆幸自己推迟了午饭之约，选择待在办公室。4月21日，飑线拉网式横扫广东，昏暗的天空狂风大作，树木被连根拔起，砸中街边汽车，冰雹急落将车窗玻璃砸破……这是广东今年以来出现的首场大范围强对流天气过程。为迎战今年汛期，广东省气象部门将前期现代化发展成果运用到预报业务中，重点提高灾害性天气预警的精准度和提前量。“从4月20日起，气象台就密切监测此次强对流天气过程。在飑线生成前一天的会商中，我们就详细分析并明确指出系统进入广东的具体时间、东移加强的趋势、强对流的种类、雷雨大风落区和强度等。”广东省气象台首席预报员伍志方介绍，飑线是由许多强雷暴单体组成的线状对流系统，长度可达几百公里，天气往往比一般雷暴剧烈。广州不少市民目击到冰雹过程，网友小马表示：“上午天气这么好，收到白云区气象台发布的冰雹橙色预警时还很纳闷，到了中午，冰雹果然从天而降。”21日11时前后，飑线如期而至。广东区域数值天气预报重点实验室的科研人员信心大增，因为新近发展的1公里超高分辨率GRAPES区域数值预报模式提前两小时预报了雨带的移动，与雷达观测的降水回波一致。“该模式以12分钟更新周期滚动发布未来6小时预报，为本次飑线预报服务提供有力支撑。模式在这次强对流过程中的表现让我们信心倍增。”该实验室主任冯业荣说。据了解，为全力做好汛期气象服务，广东区域数值天气预报重点实验室联合中山大学国家超级计算广州中心等单位，首次合作研发了具有我国自主知识产权的1公里超高分辨率GRAPES区域数值预报模式。今年3月1日起，该模式在全球最快的超级计算机——广州超算中心“天河二号”投入业务运行。目前，只有少数发达国家，如英国气象局业务运行1公里分辨率的区域数值天气模式。冯业荣表示，模式刚建立，尚需在业务实践中不断改进完善。在此次强对流天气过程中，各级领导亲临一线指挥，各地预报员高度紧张，牢牢盯紧雷达回波动态，及时发布了雷雨大风、冰雹、暴雨等预警信号。通过突发事件预警信息发布系统，以及应急气象频道、应急气象电话12121、微博群、农村大喇叭、电子显示屏等十种渠道，预警信息一键式发送至各级防灾减灾责任人和社会公众，实现广覆盖。贵州：监测预报齐发力 破解山地暴雨难题6月5日，贵州入汛以来范围最广、强度最大的一次暴雨天气过程踩着两天前的预报节点如约而至。面对这场来势汹汹的强降雨，贵州省气象局早有准备，《重要气象信息专报》提前一天发到省委、省政府以及国土、民政等20余家单位。天气信息通过30余家媒体的网站和新媒体平台告知公众，省气象局官方微信微博“黔气象”点击率达30万。由于贵州地处我国西南的云贵高原东麓、副热带东亚大陆的季风区内，属亚热带湿润季风气候区。特殊的地形条件使冰雹特别“偏爱”贵州，而且暴雨落点分散、时间短、强度大、局地性强，预报难度也“更上一层楼”。面对暴雨、冰雹等强对流天气，贵州省气象部门强化监测预警，扩大气象信息覆盖面。“气象资料数据是天气预报的‘粮食’。”贵州省气象局预报处负责人牟克林介绍，目前，全省有8部天气雷达、两部探空雷达、84个国家级台站，以及3200多个覆盖所有乡镇和重大灾害隐患点的自动气象站。观测站网的建成为提升天气预报准确率增加了一重保障。气象部门充分利用雷达、卫星、自动气象站等综合观测手段，提高暴雨、冰雹等高影响天气的预报预警能力，增加预测预报的精准度和提前量。“好在提前收到气象局的预警信息，不然后果不堪设想。”对于6月5日的暴雨天气，遵义市余庆县构皮滩镇人大主席娄金林说，“构皮滩降雨量是全县最大的，达53.9毫米，由于气象局准确发布预警信息，并及时电话叫应，我们提前应对，虽然有一些财产损失，但无人员伤亡。”“贵州地面观测站网的建设已达到需求，下一步将在加大探空观测的密度上下功夫。”牟克林说。“有了观测站网数据作为基础，要想更准确把握强对流天气的时间节点和落区，预报员需要加强对数值预报的运用。”贵州省气象台预报员杨秀庄说。从2013年开始，贵州省气象局在预报员理论水平提升方面不断出“新招”——全省天气预报员天气学理论知识考试、《市州级首席预报员选拔管理办法（试行）》《市州预报员积分制考核办法（试行）》……这些考核和培养激励机制的进一步完善，使得预报员素质显著提升。2016年，贵州省气象部门灾害性天气预警提前量，24小时晴雨、最低气温和短期气候预报预测准确率较2015年有明显提升，多项技巧评分排名全国前列，全年区域性气象灾害预警零失误。此外，已经开始建设的贵州省冰雹防控工程技术研究中心、贵州暴雨山洪外场试验基地，将推动人工防雹科技成果向经济社会发展现实需求转化，为提升贵州省山地特色的暴雨天气预报能力开辟新路径。湖南：纵向贯通 预警直达乡镇5月23日凌晨3时许，一场强降雨过程袭击湖南省隆回县。雷电加暴雨，短短3小时内，路断了、电停了、山体滑坡……庆幸的是，省、市、县预警信息第一时间发布，人员得以及时转移。“5月22日8时至23日8时，省国土资源厅利用突发事件预警信息发布系统发送短时预警信息6批次共7626条，信息直达受影响的乡村，预警责任人第一时间通知群众，确保了信息的时效性和针对性。”省地质灾害应急办主任段中满说。为形成应急响应合力，近年来，湖南省委、省政府高度重视突发事件预警信息发布系统建设。作为项目建设实施单位，省气象局全力推进突发事件预警信息发布系统建设，同时加强部门联动。目前，该系统已实现与省级23家应急成员单位的对接，并成功在国土、林业、地震等部门实现业务化运行。同时，覆盖全省各市（州）县乡镇村的五级应急责任人群组已经建立，并按照行业类别，划分预警用户群，例如，湖南省地质灾害预警责任用户群已达到1.6万人。一旦出现突发事件，相关部门将针对本行业预警用户，第一时间发布预警信息，采取防御措施。5月22日下午14时许，省国土资源厅利用湖南省突发事件预警信息发布系统，针对隆回县北部发布突发性地质灾害风险黄色预警。收到预警信息后，隆回县国土资源局加强监测，重要地质灾害点监测人员加强防范，各国土资源所及时向乡镇领导报告，所有驻村干部都安排下村。22日15时，隆回县虎形山瑶族乡防汛办接到预警信息后，迅速部署，通知所有驻村干部和村支部书记，加强重点区域重点人员的巡查工作，做好防灾避灾准备。23日凌晨，雷电交加，暴雨来袭，50毫米、60毫米、100毫米……降雨量不断上升。“已经收到预警信息，通知各村尽快转移！”4时47分，在气象预警信息的精准提示下，虎形山瑶族乡党委书记袁愈绍果断决定，各村人员立刻转移。经过3个小时的不懈努力，23日7时30分，该乡安全转移疏散群众3200余人。村民侯少勇感激地说：“多亏了工作队及时通知我转移家人，不然后果不堪设想。”在预警信息的协助下，国土、民政、水利、电力、农业、交通等市县各级部门迅速赶赴现场一线，及时开展抢险救援。11年前，日，同样在主汛期，隆回县虎形山瑶族乡及小沙江镇范围内，特大暴雨造成13个乡镇480个村受灾，致使21人死亡、6人失踪，直接经济损失2.1亿元。而如今，通过突发事件预警信息发布系统，湖南省整合社会各部门信息发布资源，运用短信、网站、电视、手机APP、村村响大喇叭、显示屏等13种发布渠道，权威、畅通、高效地发布预警信息，实现了信息的纵向共享和横向跨部门对接，灾害预警信息在最短时间内直达乡镇。随着该系统的投入使用，气象防灾减灾的触角已经延伸到全省各个乡镇村。隆回县此次强降雨虽然来势凶猛，但由于预警及时，防御得当，整个过程实现零伤亡。本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。从未步百家号最近更新：简介:只有真的爱了才能体会痛彻心扉的感觉作者最新文章相关文章hadoop（13）
1.下载气象数据集
气象数据集下载地址为：
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:
国内气象站ID区间为详细的可以在《》中查看，不过应该不全。另外《》中提供了世界各国气象站编号范围。
2.解压数据集，并保存在文本文件中
7月23号下载的，数据量为79w行,大小为182MB。所以即使年底也不过200w行。
[grid@tiny01 ~]$ zcat data/ftp.ncdc.noaa.gov/pub/data/noaa/2017/5*.gz & data.txt
在这里&表示输出重定向符
我们查看气象数据集：
0004+52130+122520FM-12+V3700199-03271-ADDAAAJ999GA1081+GA2999+GA3999+GE19MSL
+99999+99999GFMA1MD1210041+0301
对数据格式进行解释
100-104 10264
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。
3. 编写MapReduce程序
Mapper程序
import java.io.IOE
import org.apache.hadoop.io.IntW
import org.apache.hadoop.io.LongW
import org.apache.hadoop.io.T
import org.apache.hadoop.mapreduce.M
public class MaxTemperatureMapper extends
Mapper&LongWritable, Text, Text, IntWritable& {
private static final int MISSING = 9999;
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String line = value.toString();
String data = line.substring(15, 21);
if (line.charAt(87) == '+') {
airTemperature = Integer.parseInt(line.substring(88, 92));
airTemperature = Integer.parseInt(line.substring(87, 92));
String quality = line.substring(92, 93);
if (airTemperature != MISSING && quality.matches("[01459]")) {
context.write(new Text(data), new IntWritable(airTemperature));
Reducer程序
import java.io.IOE
import org.apache.hadoop.io.IntW
import org.apache.hadoop.io.T
import org.apache.hadoop.mapreduce.R
public class MaxTemperatureReducer extends
Reducer&Text, IntWritable, Text, IntWritable& {
public void reduce(Text key, Iterable&IntWritable& values, Context context)
throws IOException, InterruptedException {
int maxValue = Integer.MIN_VALUE;
for (IntWritable value : values) {
maxValue = Math.max(maxValue, value.get());
context.write(key, new IntWritable(maxValue));
import org.apache.hadoop.conf.C
import org.apache.hadoop.conf.C
import org.apache.hadoop.fs.P
import org.apache.hadoop.io.IntW
import org.apache.hadoop.io.T
import org.apache.hadoop.mapreduce.J
import org.apache.hadoop.mapreduce.lib.input.FileInputF
import org.apache.hadoop.mapreduce.lib.output.FileOutputF
import org.apache.hadoop.util.T
public class MaxTemperature extends Configured implements Tool {
public static void main(String[] args) throws Exception {
if (args.length != 2) {
System.err
.println("Usage: MaxTemperature &input path& &output path&");
System.exit(-1);
Configuration conf = new Configuration();
conf.set("mapred.jar", "MaxTemperature.jar");
Job job = Job.getInstance(conf);
job.setJarByClass(MaxTemperature.class);
job.setJobName("Max temperature");
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
job.setMapperClass(MaxTemperatureMapper.class);
job.setReducerClass(MaxTemperatureReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
System.exit(job.waitForCompletion(true) ? 0 : 1);
public int run(String[] arg0) throws Exception {
注意设置conf.set("mapred.jar", "MaxTemperature.jar");第二个参数为即将打成的jar包的名称
4.编译java文件,打成jar包
此编译命令为：
[grid@tiny01 myclass]$ javac -classpath $HADOOP_HOME/share/hadoop/common/hadoop-common-2.7.2.jar:$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-client-core-2.7.2.jar:$HADOOP_HOME/share/hadoop/common/lib/commons-cli-1.2.jar *.java
[grid@tiny01 myclass]$ jar cvf MaxTemperature.jar *.class
[grid@tiny01 myclass]$ ll
-rw-rw-r--. 1 grid grid 1413 Jul
3 16:45 MaxTemperature.class
-rw-rw-r--. 1 grid grid 3085 Jul
9 19:04 MaxTemperature.jar
-rw-rw-r--. 1 grid grid
949 Jun 30 15:49 MaxTemperature.java
-rw-rw-r--. 1 grid grid 1876 Jul
3 16:45 MaxTemperatureMapper.class
-rw-rw-r--. 1 grid grid
953 Jun 30 15:37 MaxTemperatureMapper.java
-rw-rw-r--. 1 grid grid 1687 Jul
3 16:45 MaxTemperatureReducer.class
-rw-rw-r--. 1 grid grid
553 Jun 30 15:47 MaxTemperatureReducer.java
这里的classpath和之前的hadoop版本有所区别，需要按照新的设置方法，这一点网上很少提及！(注意Hadoop不同版本，包不一样)
5.将数据上传至hdfs上
[grid@tiny01 ~]$ hadoop fs -put data.txt /data.txt
6. 运行该程序
[grid@tiny01 ~]$ hadoop jar MaxTemperature.jar MaxTemperature /data.txt /out
17/07/24 00:13:20 INFO client.RMProxy: Connecting to ResourceManager at tiny01/192.168.1.101:8032
17/07/24 00:13:21 WARN mapreduce.JobResourceUploader: Hadoop command-line option parsing not performed. Implement the Tool interface and execute your application with ToolRunner to remedy this.
17/07/24 00:13:22 INFO input.FileInputFormat: Total input paths to process : 1
17/07/24 00:13:23 INFO mapreduce.JobSubmitter: number of splits:2
17/07/24 00:13:23 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_4_0002
17/07/24 00:13:24 INFO impl.YarnClientImpl: Submitted application application_4_0002
17/07/24 00:13:24 INFO mapreduce.Job: The url to track the job: http://tiny01:8088/proxy/application_4_0002/
17/07/24 00:13:24 INFO mapreduce.Job: Running job: job_4_0002
17/07/24 00:13:44 INFO mapreduce.Job: Job job_4_0002 running in uber mode : false
17/07/24 00:13:44 INFO mapreduce.Job:
map 0% reduce 0%
17/07/24 00:14:49 INFO mapreduce.Job:
map 20% reduce 0%
17/07/24 00:14:52 INFO mapreduce.Job:
map 33% reduce 0%
17/07/24 00:14:55 INFO mapreduce.Job:
map 50% reduce 0%
17/07/24 00:16:02 INFO mapreduce.Job:
map 51% reduce 0%
17/07/24 00:16:05 INFO mapreduce.Job:
map 54% reduce 0%
17/07/24 00:16:08 INFO mapreduce.Job:
map 57% reduce 0%
17/07/24 00:16:11 INFO mapreduce.Job:
map 60% reduce 0%
17/07/24 00:16:14 INFO mapreduce.Job:
map 62% reduce 0%
17/07/24 00:16:20 INFO mapreduce.Job:
map 65% reduce 0%
17/07/24 00:16:40 INFO mapreduce.Job:
map 69% reduce 0%
17/07/24 00:16:42 INFO mapreduce.Job:
map 73% reduce 0%
17/07/24 00:16:44 INFO mapreduce.Job:
map 83% reduce 0%
17/07/24 00:16:46 INFO mapreduce.Job:
map 100% reduce 0%
17/07/24 00:17:22 INFO mapreduce.Job:
map 100% reduce 100%
17/07/24 00:17:30 INFO mapreduce.Job: Job job_4_0002 completed successfully
17/07/24 00:17:32 INFO mapreduce.Job: Counters: 50
File System Counters
FILE: Number of bytes read=
FILE: Number of bytes written=
FILE: Number of read operations=0
FILE: Number of large read operations=0
FILE: Number of write operations=0
HDFS: Number of bytes read=
HDFS: Number of bytes written=77
HDFS: Number of read operations=9
HDFS: Number of large read operations=0
HDFS: Number of write operations=2
Job Counters
Killed map tasks=1
Launched map tasks=3
Launched reduce tasks=1
Data-local map tasks=3
Total time spent by all maps in occupied slots (ms)=383699
Total time spent by all reduces in occupied slots (ms)=143422
Total time spent by all map tasks (ms)=383699
Total time spent by all reduce tasks (ms)=143422
Total vcore-milliseconds taken by all map tasks=383699
Total vcore-milliseconds taken by all reduce tasks=143422
Total megabyte-milliseconds taken by all map tasks=
Total megabyte-milliseconds taken by all reduce tasks=
Map-Reduce Framework
Map input records=789998
Map output records=786666
Map output bytes=8653326
Map output materialized bytes=
Input split bytes=184
Combine input records=0
Combine output records=0
Reduce input groups=7
Reduce shuffle bytes=
Reduce input records=786666
Reduce output records=7
Spilled Records=1573332
Shuffled Maps =2
Failed Shuffles=0
Merged Map outputs=2
GC time elapsed (ms)=2436
CPU time spent (ms)=8470
Physical memory (bytes) snapshot=
Virtual memory (bytes) snapshot=
Total committed heap usage (bytes)=
Shuffle Errors
CONNECTION=0
IO_ERROR=0
WRONG_LENGTH=0
WRONG_MAP=0
WRONG_REDUCE=0
File Input Format Counters
Bytes Read=
File Output Format Counters
Bytes Written=77
[grid@tiny01 ~]$ hadoop fs -cat /out/part-r-00000
由于这里的气温是摄氏度的10倍，所以看起来很大。
我们来检查一下：
[grid@tiny01 ~]$ hadoop fs -copyToLocal /out/part-r-00000 result.txt
[grid@tiny01 ~]$ awk '{print $1".{66}+0"$2"1"}' result.txt |xargs -i grep --color=auto {} sample.txt | awk -v FS="" '{print substr($0,5,5),substr($0,16,6),substr($0,88,6)}'
59158 201704 +03071
59997 201701 +03071
56966 201702 +03501
56966 201703 +03751
56966 201704 +03991
51573 201705 +04261
51573 201706 +04441
51573 201706 +04441
51573 201707 +04851
正则表达式不会写，就将就着看吧，第一条是因为正则表达式匹配的问题，因此这条数据不算。但是其他条都吻合，我们可以看看这几个气象站：
51573：新疆吐鲁番
56966：云南元江
59997：没找到
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：2689次
排名：千里之外
原创：20篇
(1)(4)(15)
(window.slotbydup = window.slotbydup || []).push({
id: '4740887',
container: s,
size: '250,250',
display: 'inlay-fix'