Hello，大家好，本次为大家带来的是Hadoop的序列化操作。

一. 序列化的简单介绍

1.1. 什么是序列化

序列化：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：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。

1.2. 为什么要序列化

一般来说，"活得"对象只生存在内存里，冠机断点就没有了。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。然而序列化可能存储"活的"对象，可以将"活的"对象发送到远程计算机。

1.3. 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自己开发了以套系列化机制（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：支持多语言的互交

二. 自定义bean对象实现序列化接口

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;
}

三. 序列化的实际操作展示

3.1. 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

1. 输入数据

如果有需要的可以复制下列数据并保存文档，文档名为：phone_data

1	13736230513	192.196.2.1	www.shouhu.com	2481	24681	200
2	13846544121	192.196.2.2			264	0	200
3 	13956435636	192.196.2.3			132	1512	200
4 	13966251146	192.168.2.1			240	0	404
5 	18271575951	192.168.2.2	www.shouhu.com	1527	2106	200
6 	18240717138	192.168.2.3	www.hao123.com	4116	1432	200
7 	13590439668	192.168.2.4			1116	954	200
8 	15910133277	192.168.2.5	www.hao123.com	3156	2936	200
9 	13729199489	192.168.2.6			240	0	200
10 	13630577991	192.168.2.7	www.shouhu.com	6960	690	200
11 	15043685818	192.168.2.8	www.baidu.com	3659	3538	200
12 	15959002129	192.168.2.9	www.hao123.com	1938	180	500
13 	13560439638	192.168.2.10			918	4938	200
14 	13470253144	192.168.2.11			180	180	200
15 	13682846555	192.168.2.12	www.qq.com	1938	2910	200
16 	13992314666	192.168.2.13	www.gaga.com	3008	3720	200
17 	13509468723	192.168.2.14	www.qinghua.com	7335	110349	404
18 	18390173782	192.168.2.15	www.sogou.com	9531	2412	200
19 	13975057813	192.168.2.16	www.baidu.com	11058	48243	200
20 	13768778790	192.168.2.17			120	120	200
21 	13568436656	192.168.2.18	www.alibaba.com	2481	24681	200
22 	13568436656	192.168.2.19			1116	954	200

2. 输出数据格式：

7 	13590439668	192.168.2.4			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

3.2. 需求分析

3.3. 编写MapReduce程序

1. 编写流量统计的Bean对象

package com.buwenbuhuo.flowsun;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 * @author 卜温不火
 * @create 2020-04-23 14:14
 * com.buwenbuhuo.flowsun - the name of the target package where the new class or interface will be created.
 * mapreduce0422 - the name of the current project.
 */
// 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() {
    }

    @Override
    public String toString() {
        return upFlow + "\t" + downFlow + "\t" + sumFlow;
    }
    public void set(long upFlow, long downFlow) {
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = upFlow + downFlow;
    }

    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;
    }


    //3  写序列化方法
    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
    public void readFields(DataInput in) throws IOException {
        upFlow = in.readLong();
        downFlow = in.readLong();
        sumFlow = in.readLong();
    }

}

2. 编写Mapper类

package com.buwenbuhuo.flowsun;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * @author 卜温不火
 * @create 2020-04-23 14:14
 * com.buwenbuhuo.flowsun - the name of the target package where the new class or interface will be created.
 * mapreduce0422 - the name of the current project.
 */
public class FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {

    private Text phone = new Text();
    private FlowBean flow = new FlowBean();

    @Override
    protected void map(LongWritable key, Text value, Context context)	throws IOException, InterruptedException {


        String[] fields = value.toString().split("\t");

        phone.set(fields[1]);


        long upFlow = Long.parseLong(fields[fields.length - 3]);
        long downFlow = Long.parseLong(fields[fields.length - 2]);


        flow.set(upFlow,downFlow);
        context.write(phone, flow);
    }
}

3. 编写Reducer类

package com.buwenbuhuo.flowsun;

import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;


/**
 * @author 卜温不火
 * @create 2020-04-23 14:15
 * com.buwenbuhuo.flowsun - the name of the target package where the new class or interface will be created.
 * mapreduce0422 - the name of the current project.
 */
public class FlowReducer extends Reducer<Text, FlowBean, Text, FlowBean> {

    private FlowBean sunFlow = new 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 value : values) {
            sum_upFlow += value.getUpFlow();
            sum_downFlow += value.getDownFlow();
        }

        // 2 封装对象
        sunFlow.set(sum_upFlow, sum_downFlow);

        // 3 写出
        context.write(key, sunFlow);
    }
}

4. 编写Driver驱动类

package com.buwenbuhuo.flowsun;

/**
 * @author 卜温不火
 * @create 2020-04-23 14:14
 * com.buwenbuhuo.flowsun - the name of the target package where the new class or interface will be created.
 * mapreduce0422 - the name of the current project.
 */
import java.io.IOException;
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;

public class FlowDriver {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

        // 1 获取job实例
        Job job = Job.getInstance(new Configuration());

        // 2.设置类路径
        job.setJarByClass(FlowDriver.class);

        // 3 指定本业务job要使用的mapper/Reducer业务类
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);

        // 4 指定mapper输出数据的kv类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        // 5 指定最终输出的数据的kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        // 6 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);
    }
}