HADOOP序列化
1.序列化概述
- 序列化就是把内存中的对象,转换成字节系列(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化(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,关机断点就没有了。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上,然而序列化可以储存“活的”对象,可以将“活的”对象发送到远程计算机上。
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自己开发一套序列化机制(Writable)。
4.Hadoop序列化特点
- 紧凑:高效使用存储空间。
- 快速:读写数据的额外开销小
- 互操作:支持多语言的交互
5.自定义bean对象实现序列化接口(Writable)
在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
-
必须实现Writable接口
-
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(); }
-
重写序列化方法
@Override public void write(DataOutput out) throws IOException { out.writeLong(upFlow); out.writeLong(downFlow); out.writeLong(sumFlow); }
-
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(); }
-
注意:反序列化的顺序必须和序列化的顺序完全一致
-
要想把结果显示在文件中,需要重写toString()方法,可以用"\t"分开,方便后续用
-
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框架中的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; }