业务定义/描述：对 CEA 站网观测文件处理质检和逐小时合并，生成采样间隔为 30 秒的小时 m、n、o 文件；同时针对分钟文件滚动合并生成滚动小时文件。给我一份后端代码

对于这个业务需求，后端代码可能会涉及到文件I/O操作、数据处理（例如时间序列数据清洗、合并和格式转换）、以及定时任务（滚动合并）。这里是一个简化的Python示例，使用pandas库进行数据处理：

import pandas as pd
from datetime import timedelta, datetime
import os

# 定义函数处理CEA站网观测文件
def process_files(input_dir, output_dir):
    # 遍历输入目录下的文件
    for file_name in os.listdir(input_dir):
        if 'mno' in file_name and '.txt' in file_name:
            # 读取原始文件
            raw_data = pd.read_csv(os.path.join(input_dir, file_name), delimiter=';', parse_dates=['timestamp'])
            
            # 数据质量检查（假设存在某种规则）
            raw_data = clean_data(raw_data)
            
            # 转换采样间隔并保存到新的文件
            processed_data = raw_data.resample('30T').mean()  # 每30秒平均值
            output_file = os.path.join(output_dir, f'{file_name[:-4]}_hourly.txt')
            processed_data.to_csv(output_file, index=False)

    # 对于分钟文件滚动合并
    min_files = [f for f in os.listdir(input_dir) if 'min' in f]
    merge_min_to_hour(min_files, output_dir)

# 滚动合并分钟文件到小时文件的函数
def merge_min_to_hour(min_files, output_dir):
    # ...此处可以编写一个将所有分钟文件合并为滚动小时文件的逻辑...
    pass  # 具体实现依赖于分钟文件结构和滚动规则

# 调用函数开始处理
process_files('input_directory', 'output_directory')

请注意，这只是一个基础的示例，实际代码可能需要更复杂的错误处理、日志记录和性能优化。此外，滚动合并部分的具体实现取决于您的数据格式和滚动规则，这可能涉及到更复杂的逻辑或使用专门的数据处理库如xarray或zarr。