Hadoop序列化和操作实例

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)]