Hadoop序列化简述

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（或者其他数据传输协议）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（或者其他数据传输协议）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”对象值存在于内存里，关机断电就灭有了。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：序列化可以存储“活的”对象，可以将“活的”对象发送到远程计算机上。

1.3 为什么不用Java序列化？

Java的序列化时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。

Had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() {
}

（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;
}

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、总下行流量、总流量

（1）输入数据

在这里插入图片描述

（2）输入数据格式：

7	13560436666	120.196.100.99	1116	954	200
id	手机号码	网络ip	上行流量	下行流量	网络状态码

（3）期望输出数据格式

13560436666	1116	954	2070
手机号码	上行流量	下行流量	总流量

2）编写MapReduce程序

（1）自定义FlowBean类

package com.atguigu.mapreduce.writable;

import org.apache.hadoop.io.Writable;

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

/**
 * @author xiaohu
 * @create 2020-08-10 18:20
 */
    //1.必须实现Writable接口
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

    //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() {
    }

    //提供所有属性的get和set方法
    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 setSumFlow() {
        this.sumFlow = this.upFlow + this.downFlow;
    }

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

    //4.重写反序列化方法
    //5.注意反序列化的顺序和序列化的顺序完全一致
    @Override
    public void readFields(DataInput in) throws IOException {
        this.upFlow = in.readLong();
        this.downFlow = in.readLong();
        this.sumFlow = in.readLong();
    }

    //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。

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

    //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。
}

（2）定义FlowMapper类

package com.atguigu.mapreduce.writable;


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

import java.io.IOException;

/**
 * @author xiaohu
 * @create 2020-08-10 18:21
 */
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.获取一行数据，转换为字符串
        String line = value.toString();
        //2.按照"\t"切割
        String[] split = line.split("\t");
        //3.抓取我们需要的数据
        String phoneNumber = split[1];
        String up = split[split.length - 3];
        String down = split[split.length - 2];
        //4.封装outK,outV
        outK.set(phoneNumber);
        outV.setUpFlow(Long.parseLong(up));
        outV.setDownFlow(Long.parseLong(down));
        outV.setSumFlow();
        //5.写出outK,outV
        context.write(outK,outV);
    }


}

（3）定义FlowReducer类

package com.atguigu.mapreduce.writable;


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

import java.io.IOException;

/**
 * @author xiaohu
 * @create 2020-08-10 18:21
 */
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 {
        long totalUp = 0;
        long totalDown = 0;
        //1.遍历values,取出里面的一个个的flowbean,累加它们的upFlow,downFlow
        for (FlowBean value : values) {
            //累加每个flowbean的upFlow和downFlow
            totalUp += value.getUpFlow();
            totalDown += value.getDownFlow();
        }
        //2.封装outK，outV
        outV.setUpFlow(totalUp);
        outV.setDownFlow(totalDown);
        outV.setSumFlow();
        //3.写出outK，outV
        context.write(key,outV);
    }
}

（4）定义FlowDriver类

package com.atguigu.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;

/**
 * @author xiaohu
 * @create 2020-08-10 18:35
 */
public class FlowDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        //1.获取job对象
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        //2.关联本driver类
        job.setJarByClass(FlowDriver.class);

        //3.关联Mapper和Reducer
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);

        //4.设置Mapper的输出数据类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        //5.设置程序的最终输出数据类型
        job.setOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        //6.设置程序的输入输出路径
        FileInputFormat.setInputPaths(job, new Path("D:\\input\\inputflow"));
        FileOutputFormat.setOutputPath(job, new Path("D:\\hadoop\\flowout"));

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

3）查看输出结果：

找到输出路径，文件夹下包含四个文件：
在这里插入图片描述

使用Notepad++打开part-r-00000文件
在这里插入图片描述

原文链接：https://blog.csdn.net/weixin_49063354/article/details/107921872