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。
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)互操作:支持多语言的交互,假设一个客户端使用Java,另一个使用C++,依旧可以使用序列化
自定义bean对象实现序列化接口(Writable)
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。
具体实现bean对象序列化步骤如下7步。
(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
(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。详见后面排序案例
序列化案例实操
需求
统计每一个手机号耗费的总上行流量、总下行流量、总流量
(1)输入数据
(2)输入数据格式:
7 13560436666 120.196.100.99 1116 954 200
id 手机号码 网络ip 上行流量 下行流量 网络状态码
(3)期望输出数据格式
13560436666 1116 954 2070
手机号码 上行流量 下行流量 总流量
需求分析
这里如果沿用之前wordcount的思路,map阶段将一行字符串分割成一个个的KV,那就意味值一行的数据不具有特殊的含义
实际上,一行数据可以是一个bean,有些类似数据库的一行
可以将key设计成电话号码,value设计成一行的数据的bean
编写MapReduce程序
编写流量统计的bean对象
import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
/**
* 1.定义类实现wirtable接口
* 2.重写序列化和反序列化方法
* 3.重写空的构造方法
* 4.toString方法
*/
public class FlowBean implements Writable {
private long upFlow;
private long downFlow;
private long sumFlow;
/**
* 这里的空构造是反射将对应的元素赋值的
*/
public FlowBean() {
}
@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();
}
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() {
this.sumFlow = this.downFlow + this.upFlow;
}
/**
* 重写tostring让显示的更加方便
* @return
*/
@Override
public String toString() {
return upFlow + "\t" + downFlow + "\t" + sumFlow;
}
}
编写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 FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
private Text outV=new Text();
private FlowBean flowBean = new FlowBean();
@Override
protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {
String[] flowBeanStrings = value.toString().split("\t");
//1 13736230513 192.196.100.1 www.atguigu.com 2481 24681 200
String phone = flowBeanStrings[1];
String upFlow = flowBeanStrings[flowBeanStrings.length - 3];
String downFlow = flowBeanStrings[flowBeanStrings.length - 2];
flowBean.setUpFlow(Long.parseLong(upFlow));
flowBean.setDownFlow(Long.parseLong(downFlow));
flowBean.setSumFlow();
outV.set(phone);
context.write(outV,flowBean);
}
}
编写Reducer类
import java.io.IOException;
public class FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
private Text outV=new Text();
private FlowBean flowBean = new FlowBean();
@Override
protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {
String[] flowBeanStrings = value.toString().split("\t");
//1 13736230513 192.196.100.1 www.atguigu.com 2481 24681 200
String phone = flowBeanStrings[1];
String upFlow = flowBeanStrings[flowBeanStrings.length - 3];
String downFlow = flowBeanStrings[flowBeanStrings.length - 2];
flowBean.setUpFlow(Long.parseLong(upFlow));
flowBean.setDownFlow(Long.parseLong(downFlow));
flowBean.setSumFlow();
outV.set(phone);
context.write(outV,flowBean);
}
}
编写Driver类
import java.io.IOException;
public class FlowDriver {
public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
// 1获得Job
Configuration config=new Configuration();
Job job = Job.getInstance();
// 2设置jar包路径
job.setJarByClass(FlowDriver.class);
// 3job设置mapper和reducer的class
job.setMapperClass(FlowMapper.class);
job.setReducerClass(FlowReducer.class);
// 4设置map的输出kv类型
job.setMapOutputValueClass(FlowBean.class);
job.setMapOutputKeyClass(Text.class);
// 5设置最终输出的Kv
job.setOutputValueClass(FlowBean.class);
job.setOutputKeyClass(Text.class);
// 6设置输入输出路径
FileInputFormat.addInputPath(job,new Path("D:\\迅雷下载\\11_input\\inputflow"));
FileOutputFormat.setOutputPath(job,new Path("D:\\Javabigdata\\Hadoop\\我的Hadoop笔记\\日常文件\\flowoutput"));
// 7提交
job.waitForCompletion(true);
System.exit(0);
}
}
注意
这里的序列化的写入和写出顺序一定要正确
igdata\Hadoop\我的Hadoop笔记\日常文件\flowoutput"));
// 7提交
job.waitForCompletion(true);
System.exit(0);
}
}
#### 注意
这里的序列化的写入和写出顺序一定要正确
[外链图片转存中...(img-SwNPXLqA-1659523427657)]