Hadoop之序列化

1.序列化概述

1.1 什么是序列化

1. 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）以便于数据持久化到磁盘和网络传输.
2. 反序列化：就是将接收到的字节序列（或其他数据传输协议）或是磁盘的持久化数据，转换成内存对象的过程.

1.2 为什么要序列化

一般来说，"活的"对象只能存在于内存中，关机断电就消失了.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一台计算机.然而序列化可以存储"活的"对象，并将它发送到远程计算机.

1.3 为什么不使用Java的序列化(Serializable)

Java的序列化，是一个重量级序列化框架（Serializable），一个对象被序列化之后，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.

1.4 Hadoop序列化特点

1. 紧凑：高效实用存储空间
2. 快速：读写数据的额外开销小
3. 可扩展：随着通信协议的升级而可升级
4. 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）

企业开发中，往往需要用到自定义Bean对象，如果在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.

1. 必须实现Writable接口
2. 反序列化时需要无参的构造函数，所以必须有无参构造器
3. 重写序列化方法——write
4. 重写反序列化方法——readFields
5. 值得注意的是，反序列化的属性read顺序需要跟序列化的属性write顺序一致.
6. 想要把结果显示在文件中，需要重写toString()方法，可以用"\t"分隔字段内容，方便后期使用.
7. 如果自定义的Bean要作为Key，在MapReduce中传输，则Bean还需要Comparable接口，因为MapReduce框架中的Shuffle过程要求对key必须排序.

3.序列化样例

1. 需求
   统计每个手机号的上行流量，下行流量，总流量.
2. 数据格式：

id	手机号码	ip	上行流量	下行流量	网络状态码
1	13700009999	8.8.8.8	1000	3500	200

3. 期望输出格式：

手机号码	上行流量	下行流量	总流量
13700009999	1000	3500	4500

4. 示例代码

自定义Bean

package cstmbean;

import org.apache.hadoop.io.Writable;

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

public class FlowBean implements Writable {
   

	// 上行流量
    private Long upFlow;
    
    // 下行流量
    private Long downFlow;
    
    // 总流量
    private Long sumFlow;

    public FlowBean() {
   
        // 无参构造函数，如无任何显示的带参构造函数，则可省略
    }

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

    @Override
    public String toString() {
   
        return this.upFlow + "\t" + this