Hadoop序列化及案例
目录
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);
}
}