Hadoop序列化

1、序列化概述

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。

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。

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）。

4）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）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。

  @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 phone_data.txt

（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）需求分析

• 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

• 输入数据格式

  7	156385557764	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
  

• 期望输出数据格式

  156385557764	1116	954	        2070
  手机号码	   上行流量   下行流量    总流量
  

• Map阶段

  （1） 读取一行数据，切分字段

  7	156385557764	120.196.100.99	1116	954	       200
  

  （2）抽取手机号、上行流量、下行流量

  156385557764	1116	954
  手机号码	   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

• Reduce阶段

  （1）遍历Key运行，累加上行流量和下行流量得到总流量

  156385557764	1116	954	      = 2070
  手机号码	   上行流量   下行流量   总流量
  

3）编写MapReduce程序

（1）编写流量统计的Bean对象

package com.chif.mapreduce.writable;import org.apache.hadoop.io.Writable;import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;//1 继承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 提供无参构造public FlowBean(){}//3 提供三个参数的getter和setter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;}//4 实现序列化和反序列化方法，注意顺序一定要保持一致@Overridepublic void write(DataOutput out) throws IOException {out.writeLong(upFlow);out.writeLong(downFlow);out.writeLong(sumFlow);}@Overridepublic void readFields(DataInput in) throws IOException {this.upFlow=in.readLong();this.downFlow=in.readLong();this.sumFlow=in.readLong();}//5 重写ToString@Overridepublic String toString() {return upFlow + "\t" + downFlow + "\t" + sumFlow;}
}

（2）编写Mapper类

package com.chif.mapreduce.writable;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;//Map默认读取数据的格式 LongWritable(行号), Text(每一行数据)
public class FlowMapper extends Mapper<LongWritable, Text,Text,FlowBean> {private Text outK=new Text();private FlowBean outV=new FlowBean();@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {//1 读取一行数据，转成字符串String line = value.toString();//2 切割数据String[] split = line.split("\t");//3 抓取我们需要的数据：手机号，上行流量，下行流量String phone = split[1];String up = split[split.length-3];String down = split[split.length-2];//4 封装 outK outVoutK.set(phone);outV.setUpFlow(Long.parseLong(up));outV.setDownFlow(Long.parseLong(down));outV.setSumFlow();//5 写出outK outVcontext.write(outK,outV);}
}

（3）编写Reducer类

package com.chif.mapreduce.writable;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;public class FlowReducer extends Reducer<Text,FlowBean,Text,FlowBean> {private FlowBean outV=new FlowBean();@Overrideprotected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {long totalUp=0;long totalDown=0;//1 遍历values，将其中的上行流量，下行流量分别累加for (FlowBean flowBean : values) {totalUp += flowBean.getUpFlow();totalDown += flowBean.getDownFlow();}//2 封装outKVoutV.setUpFlow(totalUp);outV.setDownFlow(totalDown);outV.setSumFlow();//3 写出outK outVcontext.write(key,outV);}
}

（4）编写Driver驱动类

package com.chif.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;public class FlowDriver {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {//1 获取Job对象Configuration conf = new Configuration();//指定hadoop运行时在本地的临时工作目录conf.set("hadoop.tmp.dir", "D:/tmp/mapreduce_tmp_cache");Job job = Job.getInstance(conf);//2 关联本Driver类 Mapper、Reducerjob.setJarByClass(FlowBean.class);job.setMapperClass(FlowMapper.class);job.setReducerClass(FlowReducer.class);//3 设置Map端输出KV类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(FlowBean.class);//4 设置程序最终输出的KV类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(FlowBean.class);//6 设置程序的输入输出路径FileInputFormat.setInputPaths(job,new Path("C:\\Users\\Chef Liu\\Desktop\\Big\\input"));FileOutputFormat.setOutputPath(job,new Path("C:\\Users\\Chef Liu\\Desktop\\Big\\output"));//7 提交Jobboolean b = job.waitForCompletion(true);System.exit(b?0:1);}
}