十五、Hadoop序列化操作

一、序列化概述

1、什么是序列化

1.1 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）以便于存储到磁盘（持久化）和网络传输。 

1.2 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）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

5、自定义bean对象实现序列化步骤

自定义bean对象实现序列化接口（Writable）

具体实现bean对象序列化步骤如下7步。

（1）必须实现Writable接口

public class Product implements Writable

（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 Product() {
	super();
}
（3）重写序列化方法
@Override
public void write(DataOutput out) throws IOException {
			out.writeLong(count);
			out.writeInt(price);
			out.writeLong(sum);
}
（4）重写反序列化方法
@Override
public void readFields(DataInput in) throws IOException {
			count =  in.readLong()
			price = in.readInt(); 
			sum = 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(Product o) {
	// 倒序排列，从大到小
	return this.count > o.count() ? -1 : 1;
}

二、序列化案例实操

在wordcount项目基础上编写，不在额外建立工程：https://blog.csdn.net/qq_35241080/article/details/106027722

1、分析需求

统计每个人购买每种商品的数量以及金额，数据格式如下

//姓名    商品码 数量  价格
//    zhangsan	A1	10	56
//    zhangsan	A2	5	33
//    zhangsan	A1	10	56
//    lisi	A1	10	76

2、编写序列化实体类

package com.cjy.mr.writable;

import org.apache.hadoop.io.Writable;

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

public class Product implements Writable {

     private long count;     //数量
     private int price;     //价格
     private long sum;      //总额

    public Product() {
    }


    public void setInfo(long count,int price){

        this.count=count;
        this.price=price;
    }

    public long getCount() {
        return count;
    }

    public void setCount(long count) {
        this.count = count;
    }

    public int getPrice() {
        return price;
    }

    public void setPrice(int price) {
        this.price = price;
    }

    public long getSum() {
        return sum;
    }

    public void setSum(long sum) {
        this.sum = sum;
    }

    @Override
    public void write(DataOutput out) throws IOException {
                         out.writeLong(count);
                         out.writeInt(price);
                         out.writeLong(sum);
    }

    @Override
    public void readFields(DataInput in) throws IOException {
                         count =  in.readLong();
                         price = in.readInt();
                         sum = in.readLong();
    }

    @Override
    public String toString() {
        return count + "\t" +price + "\t"+ sum ;
    }
}

3、编写Mapper

package com.cjy.mr.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 ProductMapper extends Mapper<LongWritable, Text,Text,Product> {
    //姓名    商品码 数量  价格
//    zhangsan	A1	10	56
//    zhangsan	A2	5	33
//    zhangsan	A1	10	56
//    lisi	A1	10	76
    Product product = new Product();
    Text k = new Text();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //获取数据
        String lines = value.toString();
        //分割
        String[] s = lines.split("\t");
        //同一人同一种商品拼接
        String keystr = s[0]+"_"+s[1];
        k.set(keystr);

        //  lisi_A1 10  76
        product.setInfo(Long.parseLong(s[2]),Integer.parseInt(s[3]));

        context.write(k,product);
    }
}

4、编写Reducer

package com.cjy.mr.writable;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class ProductReducer extends Reducer<Text,Product,Text,Product> {

    long sum;   //总额
    long sumCount;  //总数量
    int price;  //单价
    Product v = new Product();

    //接收数据格式:lisi_A1 10  76
    @Override
    protected void reduce(Text key, Iterable<Product> values, Context context) throws IOException, InterruptedException {
        //每次调用初始化数据
        sum = 0;
        sumCount = 0;
        price = 0;

        //计算每个人每种商品的总量、总额
        for (Product value : values) {
            //获取单价数量
            long count = value.getCount();
            price = value.getPrice();
            //计算总数量
            sumCount+=count;
            //计算总额
            sum+=(count*price);
        }
        //写出数据封装
        v.setInfo(sumCount,price);
        v.setSum(sum);
        //写出
        context.write(key,v);

    }

}

5、编写Driver

package com.cjy.mr.writable;


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;


public class ProductDriver {



    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[] { "/Users/chenjunying/Downloads/product.txt", "/Users/chenjunying/Downloads/out2/" };

        // 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(ProductDriver.class);

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

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

        // 4 指定最终输出的数据的kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Product.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);
    }
}

6、运行结果

lisi_A1	10	76	760
zhangsan_A1	20	56	1120
zhangsan_A2	5	33	165