大数据之Hadoop序列化

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！

おすすめ