Hadoop序列化
1.序列化的概述
1.1什么是序列化
序列化就是把内存中的对象,转化成字节序列(或其他数据传输协议)以便用于存储到磁盘(持久化)和网络传输。
反序列化就是将收到的字节序列(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,“活的”对象只生存在内存中,断电关机就没有了。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。
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(Serialzable),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序列化机制的特征
对于处理大规模数据的 Hadoop平台,其序列化机制需要具有如下特征:
1. 紧凑:由于带宽是 Hadoop集群中最稀缺的资源,一个紧凑的序列化机 制可以充分利用数据中心的带宽。
2. 快速:在进程间通信(包括 MapReduce过程中涉及的数据交互)时会大 量使用序列化机制,因此,必须尽量减少序列化和反序列化的开销
3. 可扩展:随着系统的发展,系统间通信的协议会升级,类的定义会发生变 化,序列化机制需要支持这些升级和变化。
4. 互操作:可以支持不同开发语言间的通信,如C++和Java间的通信。这样 的通信可以通过文件(需要精心设计文件的格式)或者 后面介绍的IPC机制 实现。
2.2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器。
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必须完全一致。
(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。
@Override
public int compareTo(FlowBean o) {
// 倒序排列,从大到小
return this.sumFlow > o.getSumFlow() ? -1 : 1;
}
2.3 序列化案例实操
2.3.1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
链接:https://pan.baidu.com/s/19nwO76wzTicIJRLGSqEtlA
提取码:xnri
(2)输入数据格式
id | 手机号码 | 上行流量 | 下行流量 | 网络状态码 |
7 | 13888888888 | 1116 | 954 | 200 |
(3)期望输出数据格式
手机号码 | 上行流量 | 下行流量 | 总流量 |
13888888888 | 1116 | 954 | 2070 |
3.编写MapReduce程序
(1)编写流量统计的Bean对象
import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
/*
说明:
1.大数据用的序列化框架是Writable。
2.使用步骤
①自定义的类需要实现Writable接口
②需要重写write和 readFileds方法
③序列化时调用的是write方法,反序列化时调用的是readFileds方法
④注意:
在序列化和反序列化时类型不能错。
在反序列化时和序列化的顺序必须保持一致。
*/
public class FlowBean implements Writable {
private long upFlow;
private long downFlow;
private long sumFlow;
public FlowBean(){
}
public FlowBean(long upFlow, long downFlow) {
this.upFlow = upFlow;
this.downFlow = downFlow;
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;
}
/**
* 序列化调用的方法
* @param out
* @throws IOException
*/
public void write(DataOutput out) throws IOException {
//注意:类型不能错
out.writeLong(upFlow);
out.writeLong(downFlow);
out.writeLong(sumFlow);
}
/**
* 反序列化调用的方法
* @param in
* @throws IOException
*/
public void readFields(DataInput in) throws IOException {
//注意:1.类型不能错 2.读取的顺序必须和序列化时的顺序一致
upFlow = in.readLong();
downFlow = in.readLong();
sumFlow = in.readLong();
}
/**
* 当我们将该类的对象写到文件中时,实际上写出去的是toString中的内容
* upflow downflow sumflow
*/
@Override
public String toString() {
return upFlow + " " + downFlow + " " + sumFlow;
}
}
4.编写Mapper类
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
public class PhoneMapper extends Mapper<LongWritable, Text,Text,FlowBean> {
private Text outKey = new Text();
//private FlowBean outValue = new FlowBean();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//1.将value变成String
String line = value.toString();
//2.将内容进行切分
String[] phoneInfo = line.split("\t");
//3.封装K,V
outKey.set(phoneInfo[1]);
FlowBean outvalue = new FlowBean(Long.parseLong(phoneInfo[phoneInfo.length - 3]),
Long.parseLong(phoneInfo[phoneInfo.length - 2]));
//4.写数据
context.write(outKey,outvalue);
}
}
5.编写Reducer类
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class PhoneReducer extends Reducer<Text,FlowBean,Text,FlowBean> {
@Override
protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
//1.把相同手机号的上行和下行流量进行累加
int sumUpFlow = 0;
int sumDownFlow = 0;
for (FlowBean value : values) {
sumUpFlow += value.getUpFlow();
sumDownFlow += value.getDownFlow();
}
//2.封装K,V
FlowBean outValue = new FlowBean(sumUpFlow, sumDownFlow);
//3.写数据
context.write(key,outValue);
}
}
6.编写Driver驱动类
import com.atguigu.wc.WCDriver;
import com.atguigu.wc.WCMapper;
import com.atguigu.wc.WCReducer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 PhoneDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
//1.获取Job的对象
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
//2.设置jar加载路径
job.setJarByClass(PhoneDriver.class);
//3.设置需要运行的Mappper和Reducer
job.setMapperClass(PhoneMapper.class);
job.setReducerClass(PhoneReducer.class);
//4.设置Mapper和Reducer输出数据的类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
//5.设置输入输出路径
FileInputFormat.setInputPaths(job,
new Path("D:\\demo\\input1"));//读取数据的路径
FileOutputFormat.setOutputPath(job,
new Path("D:\\demo\\output1"));
//6.执行job
//参数 : 是否打印信息
//返回值 : job是否执行成功
job.waitForCompletion(true);
}
}
仅供大家批评!