共计 4258 个字符,预计需要花费 11 分钟才能阅读完成。
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
Java 类型 | Hadoop Writable 类型 |
---|---|
boolean | BooleanWritable |
byte | ByteWritable |
int | IntWritable |
float | FloatWritable |
long | LongWritable |
double | DoubleWritable |
String | Text |
map | MapWritable |
array | ArrayWritable |
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…
正文完