Hadoop序列化

五角钱的程序员

于 2020-08-18 17:46:25 发布

阅读量4.6k

点赞数 1

分类专栏：大数据文章标签：网络大数据 java mapreduce hadoop

本文链接：https://blog.csdn.net/youif/article/details/108078642

版权

大数据专栏收录该内容

28 篇文章 17 订阅

订阅专栏

1 序列化概述

1.1 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。

1.2 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。

1.3 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）。

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

2 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。详见后面排序案例。

3 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、下行流量、总流量
（1）输入数据
在这里插入图片描述

（2）输入数据格式：
在这里插入图片描述
（3）期望输出数据格式

2．需求分析

1、需求：统计每一个手机号耗费的总上行流量、下行流量、总流量

2、输入数据格式
在这里插入图片描述
3、期望输出数据格式

4、Map阶段

（1）读取一行数据，切分字段
在这里插入图片描述
（2）抽取手机号、上行流量、下行流量

（3）以手机号为key，bean对象为value输出，即context.write(手机号,bean);
（4）bean对象要想能够传输，必须实现序列化接口

5、Reduce阶段
（1）累加上行流量和下行流量得到总流量。
在这里插入图片描述
3．编写MapReduce程序
（1）编写流量统计的Bean对象

package com.hadoop.flowsum;/*
作者     :XiangLin
创建时间 :18/08/2020 16:26
文件     :FlowBean.java
IDE      :IntelliJ IDEA
*/

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

// 1 实现writable接口
public class FlowBean implements Writable {

    private long upFlow;
    private long downFlow;
    private long sumFlow;

    //2  反序列化时，需要反射调用空参构造函数，所以必须有
    public FlowBean() {
        super();
    }

    public FlowBean(long upFlow, long downFlow) {
        super();
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = upFlow + downFlow;
    }

    //3  写序列化方法
    @Override
    public void write(DataOutput out) throws IOException {
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }

    //4 反序列化方法
    //5 反序列化方法读顺序必须和写序列化方法的写顺序必须一致

    @Override
    public void readFields(DataInput in) throws IOException {
        this.upFlow = in.readLong();
        this.downFlow = in.readLong();
        this.sumFlow = in.readLong();
    }

    // 6 编写toString方法，方便后续打印到文本
    @Override
    public String toString() {
        return upFlow + "\t" + downFlow + "\t" + sumFlow ;
    }

    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;
    }

    public void set(long upFlow2, long downFlow2) {
        upFlow = upFlow2;
        downFlow = downFlow2;
        sumFlow = upFlow2 + downFlow2;
    }
}

（2）编写Mapper类

package com.hadoop.flowsum;/*
作者     :XiangLin
创建时间 :18/08/2020 16:49
文件     :FlowCountMapper.java
IDE      :IntelliJ IDEA
*/

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

public class FlowCountMapper extends Mapper<LongWritable, Text, Text, FlowBean> {

    FlowBean v = new FlowBean();
    Text k = new Text();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1 获取一行
        String line = value.toString();

        // 2 切割字段
        String[] fields = line.split("\t");

        // 3 封装对象
        // 取出手机号码
        String phoneNumber = fields[1];
        // 取出上行流量和下行流量
        long upFlow = Long.parseLong(fields[fields.length-1]);
        long downFlow = Long.parseLong(fields[fields.length-2]);

        k.set(phoneNumber);
        v.setUpFlow(upFlow);
        v.setDownFlow(downFlow);

        // 4 写出
        context.write(k,v);
    }
}

（3）编写Reducer类

package com.hadoop.flowsum;/*
作者     :XiangLin
创建时间 :18/08/2020 17:12
文件     :FlowCountReducer.java
IDE      :IntelliJ IDEA
*/

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

import java.io.IOException;

public class FlowCountReducer extends Reducer<Text, FlowBean, Text, FlowBean> {
    FlowBean v = new FlowBean();
    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
//       13568436656		2481	24681	30000
//       13568436656	    1116	954	    20000
        long sum_upFlow = 0;
        long sum_downFlow = 0;
        // 1 累加求和
        for (FlowBean flowBean : values) {
            sum_upFlow += flowBean.getUpFlow();
            sum_downFlow += flowBean.getDownFlow();
        }

        v.set(sum_upFlow,sum_downFlow);

        // 2 写出
        context.write(key,v);
    }
}

（4）编写Driver驱动类

package com.hadoop.flowsum;/*
作者     :XiangLin
创建时间 :18/08/2020 17:24
文件     :FlowsumDriver.java
IDE      :IntelliJ IDEA
*/

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 FlowsumDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        args = new String[]{"d:/input","d:/output1"};

        Configuration conf = new Configuration();
        //1. 获取job对象
        Job job = Job.getInstance(conf);

        //2. 设置jar的路径
        job.setJarByClass(FlowsumDriver.class);

        //3. 关联mapper和reducer
        job.setMapperClass(FlowCountMapper.class);
        job.setReducerClass(FlowCountReducer.class);

        //4. 设置mapper输出的key和value类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        //5. 设置最终输出的key和value类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        //6. 设置输入输出路径
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        FileOutputFormat.setOutputPath(job,new Path(args[1]));

        //7. 提交job
        boolean result = job.waitForCompletion(true);
        System.exit(result?0:1);

    }
}

在这里插入图片描述

几百本常用电子书免费领取：https://github.com/XiangLinPro/IT_book

在这里插入图片描述

五角钱的程序员

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Hadoop序列化

1 序列化概述1.1 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。1.2 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。1.3 为什么不用Java的序列化Java的序列化
复制链接

扫一扫