MapReduce 的天气统计案例，是那种上手挺快但能学到不少东西的项目。专注在用MapReduce框架天气数据，不需要你有多深的分布式背景，照着例子走一遍，流程和原理都能搞明白。
Map 阶段主要做预，比如把每天的天气记录拆成键值对，键是日期，值是温度和湿度。代码不复杂，重点在于你怎么提取这些字段。Mapper类里边写写逻辑，读数据、拆字段、丢出去。响应也快，调试也方便。
到了Shuffle 和 Sort阶段，系统自动把相同日期的记录聚一起，给到Reducer。这里可以做平均、最大值、最小值统计，用IntWritable这类 Hadoop 封装好的数据类型就行。文件名一般像WeatherMapper.java、WeatherReducer.java、WeatherDriver.java，也就 7 个核心类，蛮精炼的。
嗯，配置作业的时候，Driver类就关键，设路径、指定 Mapper 和 Reducer 类，还有输入输出格式。常用的包像org.apache.hadoop.io、org.apache.hadoop.mapreduce基本都得引入。没接触过 Hadoop 的，跟着走一遍也能熟练点。
如果你想找个轻量点的入门项目，还能真刀真枪写写代码，这个案例还挺合适的。要是你对分布式感兴趣，可以顺便看看Hadoop 分布式计算平台概述，算是补充阅读材料。