知之为知之，不知为不知

Hadoop 序列化

序列化概念

​ 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（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）或者是硬盘的持久化数据，转换成内存中的对象。

序列化作用

​“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 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

常用数据的序列化类型

自定义 bean 对象实现序列化接口步骤

（1）必须实现 Writable 接口

（2）空参构造函数

public FlowBean() {    super();}

（3）重写序列化方法

@Overridepublic void write(DataOutput out) throws IOException {out.writeLong(upFlow);    out.writeLong(downFlow);    out.writeLong(sumFlow);}

（4）重写反序列化方法

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

（5）方法顺序一致

注意反序列化的顺序和序列化的顺序完全一致

（6）重写 toString

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）实现 Comparable 接口

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。

@Overridepublic int compareTo(FlowBean o) {// 倒序排列，从大到小    return this.sumFlow > o.getSumFlow() ? -1 : 1;}

序列化案例实操

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

输出数据

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

需求分析

Bean 代码

// 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;}
}

Mapper 代码

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 phoneNum = fields[1];
        // 取出上行流量和下行流量
        long upFlow = Long.parseLong(fields[fields.length - 3]);
        long downFlow = Long.parseLong(fields[fields.length - 2]);

        k.set(phoneNum);
        v.set(downFlow, upFlow);
        
        // 4 写出
        context.write(k, v);
    }
}

Reducer 代码

public class FlowCountReducer extends Reducer<Text, FlowBean, Text, FlowBean> {

    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Context context)throws IOException, InterruptedException {

        long sum_upFlow = 0;
        long sum_downFlow = 0;

        // 1 遍历所用 bean，将其中的上行流量，下行流量分别累加
        for (FlowBean flowBean : values) {sum_upFlow += flowBean.getUpFlow();
            sum_downFlow += flowBean.getDownFlow();}

        // 2 封装对象
        FlowBean resultBean = new FlowBean(sum_upFlow, sum_downFlow);
        
        // 3 写出
        context.write(key, resultBean);
    }
}

Driver 代码

public class FlowsumDriver {public static void main(String[] args) throws IllegalArgumentException, IOException, ClassNotFoundException, InterruptedException {
        
// 输入输出路径需要根据自己电脑上实际的输入输出路径设置
args = new String[] { "e:/input/inputflow", "e:/output1"};

        // 1 获取配置信息，或者 job 对象实例
        Configuration configuration = new Configuration();
        Job job = Job.getInstance(configuration);

        // 6 指定本程序的 jar 包所在的本地路径
        job.setJarByClass(FlowsumDriver.class);

        // 2 指定本业务 job 要使用的 mapper/Reducer 业务类
        job.setMapperClass(FlowCountMapper.class);
        job.setReducerClass(FlowCountReducer.class);

        // 3 指定 mapper 输出数据的 kv 类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        // 4 指定最终输出的数据的 kv 类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
        
        // 5 指定 job 的输入原始文件所在目录
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        // 7 将 job 中配置的相关参数，以及 job 所用的 java 类所在的 jar 包，提交给 yarn 去运行
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

相关资料

本文配套GitHub：https://github.com/zhutiansam…