MapReduce编程模型——自定义序列化类实现多指标统计

本文链接：https://blog.csdn.net/weixin_37522117/article/details/127860792

🏠Hadoop序列化

👉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(持久化)和网络传输。反序列化就是将收到字节序列(或其他数据传输协议)或者是硬盘的持久化数据，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。

👉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)。
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

👉常用序列化类型

常用数据类型对应的Hadoop数据序列化类型如下：

Java 类型	Hadoop Writable 类型
boolean	BooleanWritable
byte	ByteWritable
int	IntWritable
float	FloatWritable
long	LongWritable
double	DoubleWritable
String	Text
map	MapWritable
array	ArrayWritable

👉自定义 bean 对象实现序列化

自定义 bean 要想实现序列化传输，必须实现 org.apache.hadoop.io.Writable 接口并且覆写 toString 方法以便将结果显示在文件中。

本文通过一个案例来演示自定义序列化类实现多指标统计。

🏠案例

本文任务的输入文件如下：

1,13736230513,10,30
2,13736230513,11,55
3,13956435636,22,66
4,13956435636,44,49
5,13966251146,15,50
6,13788413164,1432,101
8,13788413164,56,200
9,13788413164,400,210
10,13788413164,60,200
11,13966251146,69,35
12,13966251146,19,500

输入文件利用逗号分割字段内容，从左到右的字段依次代表序号、手机号码、上行流量和下行流量。
任务的目标是统计各个手机号码的总上行流量、总下行流量、最大上行流量以及最大下行流量。

本文主要用于演示，故采用本地文件系统。

👉代码

pom文件和日志输出配置以及环境相关问题可参考作者的另一篇博文《MapReduce编程模型——在idea里面邂逅CDH MapReduce》，其他代码如下
自定义序列化类：

import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

public class DataBean implements Writable {
    // 上行流量
    private long up;

    // 下行流量
    private long down;

    // 最大上行流量
    long maxUp;

    // 最大下行流量
    long maxDown;

    @Override
    public void write(DataOutput out) throws IOException {
        out.writeLong(up);
        out.writeLong(down);
        out.writeLong(maxUp);
        out.writeLong(maxDown);
    }

    @Override
    public void readFields(DataInput in) throws IOException {
        up = in.readLong();
        down = in.readLong();
    }

    @Override
    public String toString() {
        return this.up + "\t" + this.down + "\t" + this.maxUp + "\t" + this.maxDown;
    }

    public long getUp() {
        return up;
    }

    public void setUp(long up) {
        this.up = up;
    }

    public long getDown() {
        return down;
    }

    public void setDown(long down) {
        this.down = down;
    }

    public long getMaxUp() {
        return maxUp;
    }

    public void setMaxUp(long maxUp) {
        this.maxUp = maxUp;
    }

    public long getMaxDown() {
        return maxDown;
    }

    public void setMaxDown(long maxDown) {
        this.maxDown = maxDown;
    }
}

Mapper类：

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;

public class MyMapper extends Mapper<LongWritable, Text, Text, DataBean> {

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 分词
        String[] report = value.toString().split(",");
        DataBean flow = new DataBean();
        flow.setUp(Long.parseLong(report[2]));
        flow.setDown(Long.parseLong(report[3]));
        // 电话号码
        Text phone = new Text();
        phone.set(report[1]);
        context.write(phone, flow);
    }
}

Reducer类如下

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

public class MyReducer extends Reducer<Text, DataBean, Text, DataBean> {

    @Override
    protected void reduce(Text key, Iterable<DataBean> values, Context context) throws IOException, InterruptedException {
        // 总上行流量
        long totalUp = 0;
        // 总下行流量
        long totalDown = 0;
        // 最大上行流量
        long maxUp = 0;
        // 最大下行流量
        long maxDown = 0;
        // 统计
        for (DataBean flow : values) {
            totalUp += flow.getUp();
            totalDown += flow.getDown();
            if (flow.getUp() > maxUp){
                maxUp = flow.getUp();
            }
            if (flow.getDown() > maxDown){
                maxDown = flow.getDown();
            }
        }
        // 最终结果
        DataBean result = new DataBean();
        result.setUp(totalUp);
        result.setDown(totalDown);
        result.setMaxUp(maxUp);
        result.setMaxDown(maxDown);
        context.write(key, result);
    }
}

主程序如下：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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 App {

    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        // 任务配置
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "flow");
        job.setMapperClass(MyMapper.class);
        job.setReducerClass(MyReducer.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(DataBean.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(DataBean.class);
        job.setJarByClass(App.class);
        // 输入输出路径
        Path inputPath = new Path("D:\\mrdemo\\input");
        Path outputPath = new Path("D:\\mrdemo\\output");
        // 输出目录若存在，则进行删除
        FileSystem fileSystem = FileSystem.get(conf);
        if(fileSystem.exists(outputPath)){
            fileSystem.delete(outputPath, true);
        }
        // 给任务设置输入输出路径
        FileInputFormat.addInputPath(job, inputPath);
        FileOutputFormat.setOutputPath(job, outputPath);
        // 提交任务
        boolean flag = job.waitForCompletion(true);
        if (flag){
            System.out.println("程序运行结束！！");
        }
    }
}