hadoop序列化
1 序列化概述
1.1 什么是序列化?
序列化就是将内存中的对象,转换成字节序列(或其他数据传输协议)用于存储到磁盘(持久化和网络传输)。
反序列化将收到的字节序列(或其他数据传输协议)或者磁盘中的数据,转换成内存中的对象。
1.2 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。
1.3 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)。
1.4 hadoop序列化的特点
- 紧凑:高效使用存储空间。
- 快速:读写数据的额外开销小。
- 可扩展:随着通信协议的升级而可升级。
- 互操作:支持多语言的交互。
2 自定义bean序列化
在企业开发中往往常用的基本序列化类型不能满足所有需求,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。
2.1 实现步骤
1)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。
2.2 案例实操
2.2.1 需求分析
1)需求
统计每一个手机号耗费的总上行流量,下行流量,总流量
2)输入数据:
phone_data .txt
3)输入数据的格式
4)期望输出数据格式
5)设计分析
2.2.2 编写Bean
package com.it.bean;
import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
/**
* @author : code1997
* @date :2021-01-2021/1/1 14:22
*/
public class FlowBean implements Writable {
private Long upFlow;
private Long downFlow;
private Long sumFlow;
public FlowBean() {
}
public FlowBean(Long upFlow, Long downFlow) {
this.upFlow = upFlow;
this.downFlow = downFlow;
this.sumFlow = upFlow + downFlow;
}
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;
}
@Override
public void write(DataOutput dataOutput) throws IOException {
dataOutput.writeLong(upFlow);
dataOutput.writeLong(downFlow);
dataOutput.writeLong(sumFlow);
}
@Override
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;
}
}
2.2.3 写Map阶段
package com.it.map;
import com.it.bean.FlowBean;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
/**
* @author : code1997
* @date :2021-01-2021/1/1 14:33
*/
public class FlowCountMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
Text k = new Text();
FlowBean v = new FlowBean();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//1 13736230513 192.196.100.1 www.atguigu.com 2481 24681 200
//1.获取一行
String row = value.toString();
//2.切割
String[] datas = row.split("\t");
//3.封装数据
k.set(datas[1]);
v.setUpFlow(Long.parseLong(datas[datas.length - 3]));
v.setDownFlow(Long.parseLong(datas[datas.length - 2]));
v.setSumFlow(v.getDownFlow() + v.getUpFlow());
//4,写k,v
context.write(k, v);
}
}
2.2.4 写reduce阶段
package com.it.reduce;
import com.it.bean.FlowBean;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
/**
* @author : code1997
* @date :2021-01-2021/1/1 14:41
*/
public class FlowCountReduce extends Reducer<Text, FlowBean, Text, FlowBean> {
FlowBean v = new FlowBean();
@Override
protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
//13568436656 2481 24681 27162
//13568436656 1116 954 2070
//1.累加求和
long sumUpFlow = 0;
long sumDownFlow = 0;
for (FlowBean bean :
values) {
sumUpFlow = bean.getUpFlow();
sumDownFlow = bean.getDownFlow();
}
v.setUpFlow(sumUpFlow);
v.setDownFlow(sumDownFlow);
v.setSumFlow(v.getDownFlow() + v.getUpFlow());
context.write(key, v);
}
}
2.2.5 写driver
package com.it.driver;
import com.it.bean.FlowBean;
import com.it.map.FlowCountMapper;
import com.it.reduce.FlowCountReduce;
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 : code1997
* @date :2021-01-2021/1/1 14:58
*/
public class FlowCountDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
args = new String[]{"e:/phone_data.txt", "e:/output"};
//1.创建job对象
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
//2.关联jar
job.setJarByClass(FlowCountDriver.class);
//3.设置map和reducer
job.setMapperClass(FlowCountMapper.class);
job.setReducerClass(FlowCountReduce.class);
//4.设置map的输出参数
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
//5.设置value的reduce的输出参数
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
//6.设置输入,输出路径。
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}