Hadoop 序列化

2.1 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

2.2 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;
 }

2.3 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

序列化案例分析

需求

3 ）编写 MapReduce 程序

（1）编写流量统计的 Bean 对象

package com.sl.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 dataOutput) throws IOException { 
                    dataOutput.writeLong(upFlow); 
                    dataOutput.writeLong(downFlow); 
                    dataOutput.writeLong(sumFlow); 
          } 
          @Override 
          public void readFields(DataInput dataInput) throws IOException { 
                    this.upFlow = dataInput.readLong(); 
                    this.downFlow = dataInput.readLong();
                    this.sumFlow = dataInput.readLong(); 
          } 
          //5 重写 ToString 
          @Override 
          public String toString() { 
                    return upFlow + "\t" + downFlow + "\t" + sumFlow;
          } 
}

（2）编写 Mapper 类

package com.sl.mapreduce.writable; 
import org.apache.hadoop.io.LongWritable; 
import org.apache.hadoop.io.Text; 
import org.apache.hadoop.mapreduce.Mapper; 
import java.io.IOException; 

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 获取一行数据,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.sl.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.sl.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(); 
            Job job = Job.getInstance(conf); 
            //2 关联本 Driver 类 
            job.setJarByClass(FlowDriver.class); 
            //3 关联 Mapper 和 Reducer 
            job.setMapperClass(FlowMapper.class);             
            job.setReducerClass(FlowReducer.class); 
            //4 设置 Map 端输出 KV 类型 
            job.setMapOutputKeyClass(Text.class);       
            job.setMapOutputValueClass(FlowBean.class); 
            //5 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("D:\\inputflow"));   
            FileOutputFormat.setOutputPath(job, new Path("D:\\flowoutput")); 
            //7 提交 
            Job boolean b = job.waitForCompletion(true);
             System.exit(b ? 0 : 1); 
      } 
}

大数据技术之MapReduce（二）

大数据技术之MapReduce（二）

Hadoop 序列化

2.1 序列化概述

2.2 自定义 bean 对象实现序列化接口（Writable ）

2.3 序列化案例实操

推荐阅读更多精彩内容