Hadoop-MapReduce序列化-笔记

什么是序列化和反序列化：

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。将内存中的对象以字节序列读取到内存，并构造成对应的对象。

反序列化 就是将收到的字节序列，转换成内存中的对象。

为什么要序列化：
一般来说，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对象，可以把对象发送给其他计算机。（可实现同一集群的机器之间传输数据。）

Hadoop序列化的特点：

（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）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

操作：
一、自定义bean对象实现序列化接口

进行无参构造：因为反序列化的时候，需要反射调空空参构造函数。

重写序列化方法：

重写反序列化方法：

注意反序列化的顺序和序列化的顺序完全一致

FlowBean完整代码：

package com.atguigu.mapreduce.writable;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
//自定义bean对象实现序列化接口，传输数据。
/*
1、定义类实现writable借口
2、重写序列化和反序列化
3、重写空参构造
4、toString方法
 */
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
    //空参构造
    public FlowBean() {
    }

    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;
    }
    //序列化方法
    @Override
    public void write(DataOutput dataOutput) throws IOException {
         dataOutput.writeLong(upFlow);
         dataOutput.writeLong(downFlow);
         dataOutput.writeLong(sumFlow);
    }
    //反序列化方法
    @Override
    public void readFields(DataInput dataInput) throws IOException {
        this.upFlow = dataInput.readLong();
        this.downFlow = dataInput.readLong();
        this.sumFlow = dataInput.readLong();
    }
    //把想要的结果现实在文件中需要重写toString。
    @Override
    public String toString() {
        return upFlow + "\t" + downFlow + "\t"+ sumFlow ;   //为想要输出的格式
    }
}

Mapper阶段代码：

package com.atguigu.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();

    //重写map方法。
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //1、获取一行信息。
        //1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
        String line = value.toString();

        //2、切割
        //1，13736230513，192.196.100.1，www.atguigu.com，2481，24681，200
        //2	13846544121	192.196.100.2			264	0	200
        String[] split = line.split("\t");

        //3、抓取想要的数据
        String phone = split[1];

        String up = split[split.length-3];
        String down = split[split.length-2];


        //4、封装
        outK.set(phone);
        outV.setUpFlow(Long.parseLong(up));//Long.parseLong将up由String类型转化为Long类型
        outV.setDownFlow(Long.parseLong(down));
        outV.setSumFlow();

        //5、写出
        context.write(outK,outV);//将抓取完，并封装好的数据传输到Reducer阶段。
    }
}

Reducer阶段代码：

package com.atguigu.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 {
        // 1、遍历集合累加值
        //之所以用totalup和totaldown是因为同一个手机号可能有多条数据。
        long totalup = 0;
        long totaldown = 0;
        for (FlowBean value : values) {
            totalup+=value.getUpFlow();
            totaldown+=value.getDownFlow();
        }

        //2、封装outK，outV
        outV.setUpFlow(totalup);
        outV.setDownFlow(totaldown);
        outV.setSumFlow();

        //3、写出
        context.write(key,outV);
    }
}

Driver（驱动类）代码：
代码套路目前接触到的基本通用。

package com.atguigu.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, InterruptedException, ClassNotFoundException {
        //1、获取job
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
        //2、设置jar包路径
        job.setJarByClass(FlowBean.class);
        //3、关联mapper和reducer
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);
        //4、设置map输出的kv类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);
        //5、设置最终输出的kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
        //6、设置输入路径和输出路径
        FileInputFormat.setInputPaths(job,new Path("D:\\Hadoop\\11_input\\inputflow"));
        FileOutputFormat.setOutputPath(job,new Path("D:\\Hadoop\\hadoop\\output7"));//输出路径不能是已存在的状态
        //7、提交job
        boolean result = job.waitForCompletion(true);
        System.exit(result? 0:1);
    }
}