大数据—Hadoop（九）_ MapReduce_02、序列化

1、序列化概述

1.1 需求

把服务器Hadoop102放在内存中的数据：ss和cls移动到 Hadoop103 上

1.2 实现方式

把内存中的ss和cls持久化到磁盘(字节码)，拷贝到103，再加载到内存

1.3 概念

• 序列化
  • 内存中的数据落盘
• 反序列化
  • 磁盘中的数据加载到内存

1.4 好处

解决了一个系统的内存对象，无法直接传到另一个系统的内存对象的问题

1.5 java序列化

• 疑问
  • java中有自带的 Serializable 接口，为什么不使用呢
• 原因
  • java的序列化比较重，包含 数据+各种校验信息/继承体系/头信息
  • 对于hadoop来说，只需要 数据+简单校验

1.6 好处

结构紧凑、存储空间少、传输快

2、自定义bean对象实现序列化接口

2.1 问题

hadoop提供的10个常用序列化类型不能满足所有要求

2.2 步骤

a、实现writable接口
如果要对一个bean对象实现服务器之间的传输，需要实现序列化接口，就像之前WordCount中的k,v，都是基本序列化类型

b、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();
}

c、重写序列化方法

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

d、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();
}

e、注意反序列化的顺序和序列化的顺序完全一致

• 都是up、down、sum

f、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。

• 如果不重写，默认打印的是地址值
• 打印地址里的数据需要使用toString()

g、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

• Map<key,val,key,val>，其中，第二个key需要实现Comparable接口，因为shuffle阶段会对key进行排序
• 详见后面排序案例。

3、序列化案例实操

3.1 需求分析

统计每一个手机号耗费的总上行流量、总下行流量、总流量
（提示：总流量 = 总上行流量+总下行流量）

输入数据

自增id	手机号	网络IP	域名	上行	下行	网络状态
1	13736230513	192.196.100.1	www.atguigu.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.atguigu.com	1527	2106	200
6	84188413	192.168.100.3	www.atguigu.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.atguigu.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

期望输出格式

手机号码	上行流量	下行流量	总流量
13470253144	180	180	360

map的参数

<偏移量，一行数据，key，value>

• 思考：key 和 value 值是什么
  • key：手机号
    • 需要将相同手机号值进行累加
  • value：JavaBean（FlowBean）
• JavaBean需要哪些数据
  • 手机号
  • 上行流量
  • 下行流量
  • 总流量后期计算得出
  • 其他无关字段不取

Map阶段

• 读取一行数据，切分字段；
• 抽取手机号，上行流量，下行流量；
• 以手机号为key，bean对象为value输出，即context.write(手机号,bean)。

Reduce阶段

• 累加上行流量+下行流量得到总流量

3.2 编写步骤

3.2.1 编写流量统计的bean对象

public class FlowBean implements Writable {

private long upFlow;   // 上行流量
private long dowmFlow; // 下行流量
private long sumFlow;  // 总流量

// 空参构造
public FlowBean() {
}

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

@Override
public void readFields(DataInput in) throws IOException {
    upFlow = in.readLong();
    dowmFlow = in.readLong();
    sumFlow = in.readLong();
}

public long getUpFlow() {
    return upFlow;
}

public void setUpFlow(long upFlow) {
    this.upFlow = upFlow;
}

public long getDowmFlow() {
    return dowmFlow;
}

public void setDowmFlow(long dowmFlow) {
    this.dowmFlow = dowmFlow;
}

public long getSumFlow() {
    return sumFlow;
}

public void setSumFlow(long sumFlow) {
    this.sumFlow = sumFlow;
}

public void setSumFlow() {
    this.sumFlow = this.dowmFlow + this.upFlow;
}

@Override
public String toString() {
    // 最终展示效果
    return  upFlow +"\t"+ dowmFlow +"\t" + sumFlow;
  }
}

a、实现writable接口

b、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

c、重写序列化方法

d、重写反序列化方法

e、注意反序列化的顺序和序列化的顺序完全一致

f、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。

• 如果不重写，默认打印的是地址值
• 打印地址里的数据需要使用toString()

g、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

• Map<key,val,key,val>，其中，第二个key需要实现Comparable接口，因为shuffle阶段会对key进行排序

3.2.2 编写Mapper类

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
    // 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
    String[] word = line.split("\t");

    // 3 抓取想要的数据
    // 1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
    // 手机号 、 上行流量 、 下行流量
    String phone = word[1];
    // 正着数可能会有字段缺失，需要反着数

    String upFlow = word[word.length - 3];
    String downFlow = word[word.length - 2];

    // 4 封装
    outK.set(phone);
    outV.setUpFlow(Long.parseLong(upFlow));
    outV.setDowmFlow(Long.parseLong(downFlow));
    outV.setSumFlow(); // 会自动求和

    // 5 写出
    context.write(outK,outV);
   }
}

3.2.3 编写Reducer类

public class FlowReduce 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
    long sumUp = 0;
    long sumDown = 0;

    for (FlowBean value : values) {
        sumUp += value.getUpFlow();
        sumDown += value.getDowmFlow();
    }

    // 2 封装
    outV.setUpFlow(sumUp);
    outV.setDowmFlow(sumDown);
    outV.setSumFlow();

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

3.2.4 编写Driver类

public class FlowDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
    // 1、获取配置信息，获取Job对象实例
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf);

    // 2、指定Jar包所在的本地路径 通过全类名反射Jar包在什么位置
    job.setJarByClass(FlowDriver.class);

    // 3、关联Mapper、Reducer
    job.setMapperClass(FlowMapper.class);
    job.setReducerClass(FlowReduce.class);

    // 4、指定Mapper输出数据的k,v类型
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(FlowBean.class);

    // 5、指定最终输出数据的k,v类型
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(FlowBean.class);

    // 6、指定输入文件所在目录
    FileInputFormat.setInputPaths(job,new Path("D:\\input\\inputflow"));

    // 7、指定输出文件所在目录
    FileOutputFormat.setOutputPath(job,new Path("D:\\hadoop\\output12"));

    // 8、提交作业
    boolean result = job.waitForCompletion(true);

    //成功返回0
    System.exit(result?0:1);
  }
}

3.3 最终输出

手机号码	上行流量	下行流量	总流量
13470253144	180	180	360
13509468723	7335	110349	117684
13560439638	918	4938	5856
13568436656	3597	25635	29232
13590439668	1116	954	2070
13630577991	6960	690	7650
13682846555	1938	2910	4848
13729199489	240	0	240
13736230513	2481	24681	27162
13768778790	120	120	240
13846544121	264	0	264
13956435636	132	1512	1644
13966251146	240	0	240
13975057813	11058	48243	59301
13992314666	3008	3720	6728
15043685818	3659	3538	7197
15910133277	3156	2936	6092
15959002129	1938	180	2118
18271575951	1527	2106	3633
18390173782	9531	2412	11943
84188413	4116	1432	5548