Hadoop 从 0 到 1 学习 ——第十章 Hadoop 序列化

文章目录

1. 序列化概述

1.1 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），以便存储到磁盘（持久化）和网络传输。

反序列化就是将收到的字节序列（或其他数据传输协议）或者是磁盘持久化数据转换成内存中的对象。

1.2 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。

1.3 为什么不使用 Java 的序列化

Java 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）。

Hadoop 序列化特点：

紧凑：高效使用存储空间。
快速：读写数据的额外开销小。
可扩展：随着通信协议的升级而可升级。
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：

必须实现 Writable 接口。
反序列化时，需要反射调用无参构造方法，所以必须有无参构造方法。

扫描二维码关注公众号，回复： 12653891 查看本文章
```
public FlowBean() {
      
      
    super();
}
```

重写序列化方法

@Override
public void write(DataOutput out) throws IOException {
      
      
	out.writeLong(upFlow);
	out.writeLong(downFlow);
	out.writeLong(sumFlow);
}

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();
}

注意反序列化的顺序和序列化的顺序完全一致
想要把结果显示在文件中，需要重写 toString()方法，可用 “\t” 分开，方便后续使用。
如果需要将自定义的 bean 放在可用中传输，则还需要实现 Comparable 接口，因为 MapReduce 框架中的 Shuffle 过程要求对 key 必须能排序。
```
@Override
public int compareTo(FlowBean o) {
      
      
	// 倒序排列，从大到小
	return this.sumFlow > o.getSumFlow() ? -1 : 1;
}
```

3. 序列化案例操作

3.1 需求

统计每个手机号耗费的上行流量、下行流量、总流量。

输入数据

1	13736230513	192.196.100.1	www.taobao.com	2481	24681	200
2	13846544121	192.196.100.2			264	0	200
3 	13956435636	192.196.100.3			132	1512	200
4 	13966251146	192.168.100.1			240	0	404
5 	18271575951	192.168.100.2	www.taobao.com	1527	2106	200
6 	84188413	192.168.100.3	www.taobao.com	4116	1432	200
7 	13590439668	192.168.100.4			1116	954	200
8 	15910133277	192.168.100.5	www.hao123.com	3156	2936	200
9 	13729199489	192.168.100.6			240	0	200
10 	13630577991	192.168.100.7	www.shouhu.com	6960	690	200
11 	15043685818	192.168.100.8	www.baidu.com	3659	3538	200
12 	15959002129	192.168.100.9	www.taobao.com	1938	180	500
13 	13560439638	192.168.100.10			918	4938	200
14 	13470253144	192.168.100.11			180	180	200
15 	13682846555	192.168.100.12	www.qq.com	1938	2910	200
16 	13992314666	192.168.100.13	www.gaga.com	3008	3720	200
17 	13509468723	192.168.100.14	www.qinghua.com	7335	110349	404
18 	18390173782	192.168.100.15	www.sogou.com	9531	2412	200
19 	13975057813	192.168.100.16	www.baidu.com	11058	48243	200
20 	13768778790	192.168.100.17			120	120	200
21 	13568436656	192.168.100.18	www.alibaba.com	2481	24681	200
22 	13568436656	192.168.100.19			1116	954	200

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

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

3.2 需求分析

在这里插入图片描述

3.3 编写 MapReduce 程序

编写流量统计的 Bean 对象

package com.hadoop.flowcount.bean;

import org.apache.hadoop.io.WritableComparable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 * 作为key输出的时候需要排序
 * 不排序的话，可以实现Writable
 * 实现WritableComparable是为了实现比较大小、排序功能
 * @author dwjf321
 */
public class FlowBean implements WritableComparable<FlowBean> {
      
      

    private Long upFlow;
    private Long downFlow;
    private Long sumFlow;

    //反序列化的时候需要调用空构造函数，显示的定义一个
    public FlowBean(){
      
      }

    public FlowBean(Long upFlow, Long downFlow) {
      
      
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = upFlow+downFlow;
    }

    public void set(long upFlow, long downFlow){
      
      
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = upFlow+downFlow;
    }
    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;
    }



    @Override
    public int compareTo(FlowBean bean) {
      
      
        return this.sumFlow > bean.sumFlow ? -1:1;
    }

    /**
     * 序列化
     * @param output
     * @throws IOException
     */
    @Override
    public void write(DataOutput output) throws IOException {
      
      
        output.writeLong(upFlow);
        output.writeLong(downFlow);
        output.writeLong(sumFlow);
    }

    /**
     * 反序列化
     * @param input
     * @throws IOException
     */
    @Override
    public void readFields(DataInput input) throws IOException {
      
      
        this.upFlow = input.readLong();
        this.downFlow = input.readLong();
        this.sumFlow = input.readLong();
    }

    @Override
    public String toString() {
      
      
        return upFlow + "\t" + downFlow + "\t" + sumFlow ;
    }
}

编写 Mapper 类

package com.hadoop.flowcount.mapper;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import com.hadoop.flowcount.bean.FlowBean;

public class FlowCountMapper extends Mapper<LongWritable, Text, Text, FlowBean>{
      
      
	
	FlowBean v = new FlowBean();
	Text k = new Text();
	
	@Override
	protected void map(LongWritable key, Text value, Context context)	throws IOException, InterruptedException {
      
      
		
		// 1 获取一行
		String line = value.toString();
		
		// 2 切割字段
		String[] fields = line.split("\t");
		
		// 3 封装对象
		// 取出手机号码
		String phoneNum = fields[1];

		// 取出上行流量和下行流量
		long upFlow = Long.parseLong(fields[fields.length - 3]);
		long downFlow = Long.parseLong(fields[fields.length - 2]);

		k.set(phoneNum);
		v.set(downFlow, upFlow);
		
		// 4 写出
		context.write(k, v);
	}
}

编写 Reducer 类

package com.hadoop.flowcount.reducer;
import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import com.hadoop.flowcount.bean.FlowBean;

public class FlowCountReducer extends Reducer<Text, FlowBean, Text, FlowBean> {
      
      

	@Override
	protected void reduce(Text key, Iterable<FlowBean> values, Context context)throws IOException, InterruptedException {
      
      

		long sum_upFlow = 0;
		long sum_downFlow = 0;

		// 1 遍历所用bean，将其中的上行流量，下行流量分别累加
		for (FlowBean flowBean : values) {
      
      
			sum_upFlow += flowBean.getUpFlow();
			sum_downFlow += flowBean.getDownFlow();
		}

		// 2 封装对象
		FlowBean resultBean = new FlowBean(sum_upFlow, sum_downFlow);
		
		// 3 写出
		context.write(key, resultBean);
	}
}

编写Driver驱动类

package com.hadoop.flowcount.driver;
import java.io.IOException;
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 com.hadoop.flowcount.reducer.FlowCountReducer;
import com.hadoop.flowcount.mapper.FlowCountMapper;
import com.hadoop.flowcount.bean.FlowBean;
public class FlowsumDriver {
      
      

	public static void main(String[] args) throws IllegalArgumentException, IOException, ClassNotFoundException, InterruptedException {
      
      
		
// 输入输出路径需要根据自己电脑上实际的输入输出路径设置
args = new String[] {
      
       "e:/input/inputflow", "e:/output1" };

		// 1 获取配置信息，或者job对象实例
		Configuration configuration = new Configuration();
		Job job = Job.getInstance(configuration);

		// 6 指定本程序的jar包所在的本地路径
		job.setJarByClass(FlowsumDriver.class);

		// 2 指定本业务job要使用的mapper/Reducer业务类
		job.setMapperClass(FlowCountMapper.class);
		job.setReducerClass(FlowCountReducer.class);

		// 3 指定mapper输出数据的kv类型
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(FlowBean.class);

		// 4 指定最终输出的数据的kv类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(FlowBean.class);
		
		// 5 指定job的输入原始文件所在目录
		FileInputFormat.setInputPaths(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job, new Path(args[1]));

		// 7 将job中配置的相关参数，以及job所用的java类所在的jar包， 提交给yarn去运行
		boolean result = job.waitForCompletion(true);
		System.exit(result ? 0 : 1);
	}
}