Hadoop序列化

Hadoop序列化及案例

一、序列化概述

1.什么是序列化

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。

2.为什么要序列化

一般来说，“活的”对象只生存在内存中，关机断电就没有了。而且“活的”对象只能由本地进程使用，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。

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）。

4.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

5.Hadoop序列化与Java序列化得对比

二、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

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。

@Override
public int compareTo(FlowBean o) {
	// 倒序排列，从大到小
	return this.sumFlow > o.getSumFlow() ? -1 : 1;
}

三、序列化案例之电话号码流量统计

3.1 需求与数据

统计每一个手机号耗费的总上行流量、下行流量、总流量

（1）输入数据格式：

（3）期望输出数据格式

3.2 需求分析

3.3 MR程序编写

（1）编写bean类

package com.hadoop.writable2;

import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
/*
    普通的JavaBean

    说明：
        1.自定义一个类并实现Writable接口
        2.重写write和readFileds方法
 */
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;
    }

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

    /*
            序列化时需要调用的方法
            注意：调用方法时的类型 : writexxx
         */
    public void write(DataOutput out) throws IOException {
        //顺序无所谓
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }

    /*
        反序列化时需要调用的方法
        注意：1.读取数据时的顺序和写数据时的顺序一致  2.调用方法时的类型：readxxx
     */
    public void readFields(DataInput in) throws IOException {
        upFlow = in.readLong();
        downFlow = in.readLong();
        sumFlow = in.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(long sumFlow) {
        this.sumFlow = sumFlow;
    }
}

（2）编写Mapper类

package com.hadoop.writable2;

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 outKey = new Text();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        //1.将读取的内容转成String
        String line = value.toString();
        //2.切割数据
        String[] phoneInfo = line.split("\t");
        //3.封装K,V
        outKey.set(phoneInfo[1]);
        FlowBean outValue = new FlowBean(Long.parseLong(phoneInfo[phoneInfo.length - 3]),
                Long.parseLong(phoneInfo[phoneInfo.length - 2]));
        //4.将数据写出
        context.write(outKey,outValue);
    }
}

（3）编写Reducer类

package com.hadoop.writable2;

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

public class FlowReducer extends Reducer<Text,FlowBean,Text,FlowBean> {

    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {

        //将同一个手机号中的流量进行累加
        long sumUpFlow = 0;
        long sumDownFlow = 0;
        for (FlowBean value : values) {
            sumUpFlow += value.getUpFlow();
            sumDownFlow += value.getDownFlow();
        }
        //封装K,V
        FlowBean outValue = new FlowBean(sumUpFlow, sumDownFlow);
        //将数据写出
        context.write(key,outValue);
    }
}

（4）编写Driver驱动类

package com.hadoop.writable2;

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;

public class FlowDriver {
    public static void main(String[] args) throws Exception {

        //1.创建Job对象
        Job job = Job.getInstance(new Configuration());
        //2.设置关联的Jar
        job.setJarByClass(FlowDriver.class);
        //3.设置Mapper和Reducer
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);
        //4.设置Mapper输出的类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);
        //5.设置最终输出的类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
        //6.设置输入输出路径
        FileInputFormat.setInputPaths(job,new Path("D:\\io\\input2"));
        FileOutputFormat.setOutputPath(job,new Path("D:\\io\\output2"));
        //7.执行Job
        job.waitForCompletion(true);
    }
}