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...