第二章 Hadoop序列化

2.1 序列化概述

• 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的字节序列（或者其他数据传输协议）或者是磁盘的持久化数据，转换成内存中的对象。

• 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，不能被发送到网络是上的另一台计算机。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。

• 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，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。

        序列化优点： 

1. 紧凑：存储空间少
2. 快速：传输速度快
3. 互操作性：支持各种语言的交互

2.2 自定义bean对象实现序列化接口（Writable）

        常用的基本序列化不能满足所有要求，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。具体步骤如下：

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. 要想把结构显示在文件中，需要重写toString()，可用“\t”分开，方便以后使用；
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

   @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

        bean对象，mapper，reducer和driver实现程序如下：

package com.atguigu.mapreduce.writable;

/**
 * @author
 * @date 2021/06/03
 **/

import org.apache.hadoop.io.Writable;

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

/**
 * 1.定义类实现writable接口
 * 2.重写序列化和反序列化方法
 * 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

    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;
    }

    //空参构造
    public FlowBean() {
    }

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


    public void readFields(DataInput dataInput) throws IOException {
        this.upFlow = dataInput.readLong();
        this.downFlow = dataInput.readLong();
        this.sumFlow = dataInput.readLong();
    }

    @Override
    public String toString() {
        return upFlow + "\t" + downFlow + "\t" + sumFlow;
    }
}

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;

/**
 * @author
 * @date 2021/06/05
 **/
public class FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {

    private Text outK = new Text();
    private FlowBean outValue = new FlowBean();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1.获取一行
        // 1 15847512684 120.196.110.99 www.jin.com 1454 245 200
        // 2 14784125941 150.206.211.14             4101 142 200
        String line = value.toString();

        // 2.切割，以/t为分隔符,结构放到数组里
        String[] split = line.split("\t");

        // 3.抓取想要的手机号：15847512684，上行流量：1454和下行流量：245
        String phone = split[1];
        String upFlow = split[split.length - 3];
        String downFlow = split[split.length - 2];

        // 4.封装
        outK.set(phone);
        outValue.setUpFlow(Long.parseLong(upFlow));
        outValue.setDownFlow(Long.parseLong(downFlow));
        outValue.setSumFlow();

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

package com.atguigu.mapreduce.writable;

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

import java.io.IOException;

/**
 * @author
 * @date 2021/06/06
 **/
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
        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);
    }
}

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;

/**
 * @author
 * @date 2021/06/06
 **/
public class FlowDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        // 1.获取job
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        // 2.获取jar包
        job.setJarByClass(FlowDriver.class);

        // 3.关联mapper和reducer
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);

        // 4.设置mapper 输出的key和value类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        // 5.设置最终数据输出的key和value类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        // 6.设置数据输入路径和输出路径
        FileInputFormat.setInputPaths(job, new Path("F:\\input"));
        FileOutputFormat.setOutputPath(job, new Path("F:\\output"));

        // 7.提交job
        boolean result = job.waitForCompletion(true);
        System.out.println(result ? 0 : 1);
    }
}