Hadoop序列化
1、序列化概述
1）什么是序列化
序列化就是把内存中的对象，转换成字节序列（或其他数据传输协议）以便于存储到磁盘（持久化）和网络传输。
反序列化就是将收到字节序列（或其他数据传输协议）或者是磁盘的持久化数据，转换成内存中的对象。
2）为什么要序列化
一般来说，“活的”对象只生存在内存里，关机断电就没有了。而且“活的”对象只能由本地的进程使用，不能被发送到网络上的另外一台计算机。 然而序列化可以存储“活的”对象，可以将“活的”对象发送到远程计算机。
3）为什么不用Java的序列化
Java的序列化是一个重量级序列化框架（Serializable），一个对象被序列化后，会附带很多额外的信息（各种校验信息，Header，继承体系等），不便于在网络中高效传输。所以，Hadoop自己开发了一套序列化机制（Writable）。
4）Hadoop序列化特点：
（1）紧凑 **：**高效使用存储空间。
**（2）快速：**读写数据的额外开销小。
（3）互操作支持多语言的交互
2、自定义bean对象实现序列化接口（Writable）
在企业开发中往往常用的基本序列化类型不能满足所有需求，比如在Hadoop框架内部传递一个bean对象，那么该对象就需要实现序列化接口。
具体实现bean对象序列化步骤如下7步。
-
(1) 必须
实现Writable接口 -
(2) 反序列化时，需要反射调用空参构造函数，所以
必须有空参构造public FlowBean() { super(); } -
(3) 重写序列化方法
@Override public void write(DataOutput out) throws IOException { out.writeLong(upFlow); out.writeLong(downFlow); out.writeLong(sumFlow); } -
(4) 重写反序列化方法
@Override public void readFields(DataInput in) throws IOException { upFlow = in.readLong(); downFlow = in.readLong(); sumFlow = in.readLong(); } -
(5)
注意反序列化的顺序和序列化的顺序完全一致 -
(6) 要想把结果显示在文件中，需要
重写toString()，可用"\t"分开，方便后续用。 -
(7) 如果需要将自定义的bean放在key中传输，则还需要
实现Comparable接口，因为MapReduce框中的Shuffle过程要求对key必须能排序。详见后面排序案例。@Override public int compareTo(FlowBean o) { // 倒序排列，从大到小 return this.sumFlow > o.getSumFlow() ? -1 : 1; }
3、序列化案例实操
1）需求
统计每一个手机号耗费的总上行流量、总下行流量、总流量
（1）输入数据 phone_data.txt
（2）输入数据格式：
7 13560436666 120.196.100.99 1116 954 200
id 手机号码 网络ip 上行流量 下行流量 网络状态码
（3）期望输出数据格式
13560436666 1116 954 2070
手机号码 上行流量 下行流量 总流量
2）需求分析
-
需求：统计每一个手机号耗费的总上行流量、下行流量、总流量
-
输入数据格式
7 156385557764 120.196.100.99 1116 954 200 ID 手机号码 网络IP 上行流量 下行流量 网络状态码 -
期望输出数据格式
156385557764 1116 954 2070 手机号码 上行流量 下行流量 总流量 -
Map阶段
（1） 读取一行数据，切分字段
7 156385557764 120.196.100.99 1116 954 200（2）抽取手机号、上行流量、下行流量
156385557764 1116 954 手机号码 上行流量 下行流量（3）以手机号为key，bean对象为value输出，即
context.write(手机号,bean)（4）
bean对象要想能够传输，必须实现序列化接口 -
Reduce阶段
（1）遍历Key运行，累加上行流量和下行流量得到总流量
156385557764 1116 954 = 2070 手机号码 上行流量 下行流量 总流量
3）编写MapReduce程序
（1）编写流量统计的Bean对象
package com.chif.mapreduce.writable;
import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
//1 继承Writable接口
public class FlowBean implements Writable {
private long upFlow;//上行流量
private long downFlow;//下行流量
private long sumFlow;//总流量
//2 提供无参构造
public FlowBean(){
}
//3 提供三个参数的getter和setter方法
public long getUpFlow() {
return upFlow;
}
public void setUpFlow(long upFlow) {
this.upFlow = upFlow;
}
public long getDownFlow() {
return downFlow;
}
public void setDownFlow(long downFlow) {
this.downFlow = downFlow;
}
public long getSumFlow() {
return sumFlow;
}
public void setSumFlow(long sumFlow) {
this.sumFlow = sumFlow;
}
public void setSumFlow() {
this.sumFlow = this.upFlow+this.downFlow;
}
//4 实现序列化和反序列化方法，注意顺序一定要保持一致
@Override
public void write(DataOutput out) throws IOException {
out.writeLong(upFlow);
out.writeLong(downFlow);
out.writeLong(sumFlow);
}
@Override
public void readFields(DataInput in) throws IOException {
this.upFlow=in.readLong();
this.downFlow=in.readLong();
this.sumFlow=in.readLong();
}
//5 重写ToString
@Override
public String toString() {
return upFlow + "\t" + downFlow + "\t" + sumFlow;
}
}
（2）编写Mapper类
package com.chif.mapreduce.writable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
//Map默认读取数据的格式 LongWritable(行号), Text(每一行数据)
public class FlowMapper extends Mapper<LongWritable, Text,Text,FlowBean> {
private Text outK=new Text();
private FlowBean outV=new FlowBean();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//1 读取一行数据，转成字符串
String line = value.toString();
//2 切割数据
String[] split = line.split("\t");
//3 抓取我们需要的数据：手机号，上行流量，下行流量
String phone = split[1];
String up = split[split.length-3];
String down = split[split.length-2];
//4 封装 outK outV
outK.set(phone);
outV.setUpFlow(Long.parseLong(up));
outV.setDownFlow(Long.parseLong(down));
outV.setSumFlow();
//5 写出outK outV
context.write(outK,outV);
}
}
（3）编写Reducer类
package com.chif.mapreduce.writable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class FlowReducer extends Reducer<Text,FlowBean,Text,FlowBean> {
private FlowBean outV=new FlowBean();
@Override
protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
long totalUp=0;
long totalDown=0;
//1 遍历values，将其中的上行流量，下行流量分别累加
for (FlowBean flowBean : values) {
totalUp += flowBean.getUpFlow();
totalDown += flowBean.getDownFlow();
}
//2 封装outKV
outV.setUpFlow(totalUp);
outV.setDownFlow(totalDown);
outV.setSumFlow();
//3 写出outK outV
context.write(key,outV);
}
}
（4）编写Driver驱动类
package com.chif.mapreduce.writable;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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;
import java.io.IOException;
public class FlowDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
//1 获取Job对象
Configuration conf = new Configuration();
//指定hadoop运行时在本地的临时工作目录
conf.set("hadoop.tmp.dir", "D:/tmp/mapreduce_tmp_cache");
Job job = Job.getInstance(conf);
//2 关联本Driver类 Mapper、Reducer
job.setJarByClass(FlowBean.class);
job.setMapperClass(FlowMapper.class);
job.setReducerClass(FlowReducer.class);
//3 设置Map端输出KV类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
//4 设置程序最终输出的KV类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
//6 设置程序的输入输出路径
FileInputFormat.setInputPaths(job,new Path("C:\\Users\\Chef Liu\\Desktop\\Big\\input"));
FileOutputFormat.setOutputPath(job,new Path("C:\\Users\\Chef Liu\\Desktop\\Big\\output"));
//7 提交Job
boolean b = job.waitForCompletion(true);
System.exit(b?0:1);
}
}
