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序列化特点：结构紧凑，存储空间少；传输速度快速；互操作性，支持多语言的交互。
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、重写序列化方法；
3、重写反序列化方法；
4、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；
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() ，可以用 “\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。
序列化案例实操
1、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
# 创建一个 phone_data.txt 输入数据(模拟数据，注意数据之间不是空格，是tab)
1 13736230510 192.196.100.1 www.baidu.com 2480 24570 200
2 13736230511 192.196.100.2 286 0 200
3 13736230512 192.196.100.3 132 18206 200
4 13736230513 192.196.100.4 www.taobao.com 3258 0 404
5 13736230514 192.196.100.5 1914 9 200
6 13736230515 192.196.100.6 7 24570 200
7 13736230516 192.196.100.7 96 0 200
8 13736230517 192.196.100.8 www.jingdong.com 25 12670 200
9 13736230518 192.196.100.9 www.baidu.com 125 180 500
10 13736230519 192.196.100.0 www.baidu.com 3524 13 200
11 13736230519 192.196.100.9 1724 261 200
# 输入手机格式
id 手机号码 网络ip 上行流量 下行流量 网络状态码
1 13736230510 192.196.100.1 2480 24570 200
# 期望输出数据格式
手机号码 上行流量 下行流量 总流量
13736230510 2480 24570 270502、需求分析
Map 阶段：
a、读取一行数，切分字段
b、抽取手机号、上行流量、下行流量
c、以手机号为 key，bean 对象为 value 输出，即 context.write(手机号,bean)
d、bean 对象要想能够传输，必须实现序列化接口
Reduce 阶段：
a、累加上行流量和下行流量得到总流量
package com.kane.mapreduce.writable;
import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
/**
* 1.定义类实现 writable 接口
* 2.重写序列化和反序列化方法
* 3.重写空参构造
* 4.toString 方法
*/
public class FlowBean implements Writable {
private long upFlow; //上行流量
private long downFlow; //下行流量
private long sumFlow; //总流量
// 空参构造
public FlowBean() {
}
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;
}
// 重载
public void setSumFlow() {
this.sumFlow = this.upFlow + this.downFlow;
}
@Override
public void write(DataOutput out) throws IOException {
out.writeLong(upFlow);
out.writeLong(downFlow);
out.writeLong(sumFlow);
}
@Override
public void readFields(DataInput in) throws IOException {
// 要与序列化保持一致
this.upFlow = in.readLong();
this.downFlow = in.readLong();
this.sumFlow = in.readLong();
}
@Override
public String toString() {
return upFlow + "\t" + downFlow + "\t" + sumFlow;
}
}
package com.kane.mapreduce.writable;
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 IOException, ClassNotFoundException, InterruptedException {
// 1.获取 job
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
// 2.设置 jar 包
job.setJarByClass(FlowDriver.class);
// 3.关联 mapper 和 reduce
job.setMapperClass(FlowMapper.class);
job.setReducerClass(FlowReducer.class);
// 4.设置 mapper 输出的 kv 类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
// 5.设置最终输出的 kv 类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
// 6.设置输入路径和输出路径
FileInputFormat.setInputPaths(job, new Path("E:\\input\\phone_data.txt"));
FileOutputFormat.setOutputPath(job, new Path("E:\\output"));
// 7.提交 job
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
package com.kane.mapreduce.writable;
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 outK = new Text();
private FlowBean outV = new FlowBean();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
// 1.获取一行信息
// 1 13736230510 192.196.100.1 www.baidu.com 2480 24570 200
String line = value.toString();
// 2.切割
// 1,13736230510,192.196.100.1,www.baidu.com,2480,24570,200
String[] split = line.split("\t");
// 3.抓取想要的数据
String phone = split[1];
String up = split[split.length - 3];
String down = split[split.length - 2];
// 4.封装
outK.set(phone);
outV.setUpFlow(Long.parseLong(up));
outV.setDownFlow(Long.parseLong(down));
outV.setSumFlow();
// 5.写出
context.write(outK, outV);
}
}
package com.kane.mapreduce.writable;
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> {
private FlowBean outV = new FlowBean();
@Override
protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
// 1.遍历集合累加值
long totalUp = 0;
long totalDown = 0;
for (FlowBean value : values) {
totalUp += value.getUpFlow();
totalDown += value.getDownFlow();
}
// 2.封装 outK, outV
outV.setUpFlow(totalUp);
outV.setDownFlow(totalDown);
outV.setSumFlow();
// 3.写出
context.write(key, outV);
}
}
扫一扫
905
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
