1.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。
2.什么是序列化?
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(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。
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),精简、高效。
4.为什么序列化对Hadoop很重要?
因为Hadoop在集群之间进行通讯或者RPC调用的时候,需要序列化,而且要求序列化要快,且体积要小,占用带宽要小。所以必须理解Hadoop的序列化机制。
序列化和反序列化在分布式数据处理领域经常出现:进程通信和永久存储。然而Hadoop中各个节点的通信是通过远程调用(RPC)实现的,那么RPC序列化要求具有以下特点
:
1)
紧凑
:紧凑的格式能让我们充分利用网络带宽,而带宽是数据中心最稀缺的资2)
快速
:进程通信形成了分布式系统的骨架,所以需要尽量减少序列化和反序列化的性能开销,这是基本的;3)
可扩展
:协议为了满足新的需求变化,所以控制客户端和服务器过程中,需要直接引进相应的协议,这些是新协议,原序列化方式能支持新的协议报文;4
)互操作
:能支持不同语言写的客户端和服务端进行交互;
5.常用数据序列化类型
Java类型 | Hadoop Writable类型 |
---|---|
boolean | BooleanWritable |
byte | ByteWritable |
float | FloatWritable |
int | IntWritable |
long | LongWritable |
double | DoubleWritable |
string | Text |
map | MapWritable |
array | ArrayWritable |
6.自定义bean对象实现序列化接口(Writable)
自定义bean对象要想序列化传输,必须实现序列化接口,需要注意以下7项:
(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过程一定会对key进行排序。
@Override
public int compareTo(FlowBean o) {
//倒序排列,从大到小
return this.sumFlow > o.getSumFlow() ? -1 : 1;
}