Hadoop序列化入门与案例实操

冷不防 2022-09-03 07:27 210阅读 0赞

# 什么是Hadoop的序列化? #

序列化就是把内存中的对象,转化成字节序列(或从其他数据传输协议)以便于存储到磁盘(持久化)和网络传输的过程.

# 为什么要进行Hadoop的序列化? #

一般来说,对象只能生存在内存中当中,关机或者断电就没有了.而且对象只能由本地的进程使用,不能被发送到网络的另外一台主机内存当中.所以为了实现从一台主机中的对象传到另外一台机子当中,序列化可以做到.

# 为什么不用JAVA自带的序列化框架? #

JAVA的序列化过程会附带很多的额外信息,是一个重量级的框架,传输效率很慢,而Hadoop在序列化的过程中不需要如此繁重的信息,因此开发了一套Hadoop的序列化过程,提升传输的效率.

# 自定义bean对象实现序列化接口（Writable） #

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。

@Override
    public int compareTo(FlowBean o) { 
    	// 倒序排列，从大到小
    	return this.sumFlow > o.getSumFlow() ? -1 : 1;
    }

# 序列化案例实操 #

\*\*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

1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
    2	13846544121	192.196.100.2			264	0	200
    3 	13956435636	192.196.100.3			132	1512	200
    4 	13966251146	192.168.100.1			240	0	404
    5 	18271575951	192.168.100.2	www.atguigu.com	1527	2106	200
    6 	84188413	192.168.100.3	www.atguigu.com	4116	1432	200
    7 	13590439668	192.168.100.4			1116	954	200
    8 	15910133277	192.168.100.5	www.hao123.com	3156	2936	200
    9 	13729199489	192.168.100.6			240	0	200
    10 	13630577991	192.168.100.7	www.shouhu.com	6960	690	200
    11 	15043685818	192.168.100.8	www.baidu.com	3659	3538	200
    12 	15959002129	192.168.100.9	www.atguigu.com	1938	180	500
    13 	13560439638	192.168.100.10			918	4938	200
    14 	13470253144	192.168.100.11			180	180	200
    15 	13682846555	192.168.100.12	www.qq.com	1938	2910	200
    16 	13992314666	192.168.100.13	www.gaga.com	3008	3720	200
    17 	13509468723	192.168.100.14	www.qinghua.com	7335	110349	404
    18 	18390173782	192.168.100.15	www.sogou.com	9531	2412	200
    19 	13975057813	192.168.100.16	www.baidu.com	11058	48243	200
    20 	13768778790	192.168.100.17			120	120	200
    21 	13568436656	192.168.100.18	www.alibaba.com	2481	24681	200
    22 	13568436656	192.168.100.19			1116	954	200

（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

案例分析:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzU4NjcxMw_size_16_color_FFFFFF_t_70]  
**编写MapReduce程序**  
（1）编写流量统计的Bean对象

package com.atguigu.mapreduce.flowsum;
    import java.io.DataInput;
    import java.io.DataOutput;
    import java.io.IOException;
    import org.apache.hadoop.io.Writable;
    
    // 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() { 
    		super();
    	}
    
    	public FlowBean(long upFlow, long downFlow) { 
    		super();
    		this.upFlow = upFlow;
    		this.downFlow = downFlow;
    		this.sumFlow = upFlow + downFlow;
    	}
    	
    	//3  写序列化方法
    	@Override
    	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
    	@Override
    	public void readFields(DataInput in) throws IOException { 
    		this.upFlow  = in.readLong();
    		this.downFlow = in.readLong();
    		this.sumFlow = in.readLong();
    	}
    
    	// 6 编写toString方法，方便后续打印到文本
    	@Override
    	public String toString() { 
    		return upFlow + "\t" + downFlow + "\t" + sumFlow;
    	}
    
    	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;
    	}
    }

（2）编写Mapper类

package com.atguigu.mapreduce.flowsum;
    import java.io.IOException;
    import org.apache.hadoop.io.LongWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Mapper;
    
    public class FlowCountMapper extends Mapper<LongWritable, Text, Text, FlowBean>{ 
    	
    	FlowBean v = new FlowBean();
    	Text k = new Text();
    	
    	@Override
    	protected void map(LongWritable key, Text value, Context context)	throws IOException, InterruptedException { 
    		
    		// 1 获取一行
    		String line = value.toString();
    		
    		// 2 切割字段
    		String[] fields = line.split("\t");
    		
    		// 3 封装对象
    		// 取出手机号码
    		String phoneNum = fields[1];
    
    		// 取出上行流量和下行流量
    		long upFlow = Long.parseLong(fields[fields.length - 3]);
    		long downFlow = Long.parseLong(fields[fields.length - 2]);
    
    		k.set(phoneNum);
    		v.set(downFlow, upFlow);
    		
    		// 4 写出
    		context.write(k, v);
    	}
    }

(3)编写Reducer类

package com.atguigu.mapreduce.flowsum;
    import java.io.IOException;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Reducer;
    
    public class FlowCountReducer extends Reducer<Text, FlowBean, Text, 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 flowBean : values) { 
    			sum_upFlow += flowBean.getUpFlow();
    			sum_downFlow += flowBean.getDownFlow();
    		}
    
    		// 2 封装对象
    		FlowBean resultBean = new FlowBean(sum_upFlow, sum_downFlow);
    		
    		// 3 写出
    		context.write(key, resultBean);
    	}
    }

(4)编写Driver驱动类

package com.atguigu.mapreduce.flowsum;
    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 FlowsumDriver { 
    
    	public static void main(String[] args) throws IllegalArgumentException, IOException, ClassNotFoundException, InterruptedException { 
    		
    // 输入输出路径需要根据自己电脑上实际的输入输出路径设置
    args = new String[] {  "e:/input/inputflow", "e:/output1" };
    
    		// 1 获取配置信息，或者job对象实例
    		Configuration configuration = new Configuration();
    		Job job = Job.getInstance(configuration);
    
    		// 6 指定本程序的jar包所在的本地路径
    		job.setJarByClass(FlowsumDriver.class);
    
    		// 2 指定本业务job要使用的mapper/Reducer业务类
    		job.setMapperClass(FlowCountMapper.class);
    		job.setReducerClass(FlowCountReducer.class);
    
    		// 3 指定mapper输出数据的kv类型
    		job.setMapOutputKeyClass(Text.class);
    		job.setMapOutputValueClass(FlowBean.class);
    
    		// 4 指定最终输出的数据的kv类型
    		job.setOutputKeyClass(Text.class);
    		job.setOutputValueClass(FlowBean.class);
    		
    		// 5 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);
    	}
    }

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzU4NjcxMw_size_16_color_FFFFFF_t_70]: /images/20220829/b2760cd878b7472490fc8a7044cd9c07.png