（所有源码均在 https://github.com/zongzhec/HadoopPractise）

 

上一篇介绍了在Windows上编写程序并运行了MapReduce示例：https://blog.csdn.net/zongziczz/article/details/105765158

这一次介绍如何进一步实现hadoop的序列化。

 

序列化概述

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。

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。

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），特点如下：
（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； 
2.2 常用数据序列化类型
常用的数据类型对应的hadoop数据序列化类型

总而言之一句话：因为Hadoop没有序列化类信息，只序列化必要的数据信息。

 

常用的数据序列化类型

Java类型Hadoop Writable 类型
booleanBooleanWritable
byteByteWritable
intIntWritable
floatFloatWritable
longLongWritable
doubleDoubleWritable
StringText (我们中出了一个……)
mapMapWritable
arrayArrayWritable

 

自定义bean对象实现序列化接口

（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
（3）重写序列化方法
（4）重写反序列化方法
（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。

package foo.zongzhe.map_reduce.phone_data;

import org.apache.hadoop.io.Writable;

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

/**
 * 自定义FlowBean，用来存放并计算上行和下行流量的总和
 * 注意：自定义的类型一定要implements Writable，以实现Hadoop的序列化框架
 */
public class FlowBean implements Writable {

    private long upFlow;
    private long downFlow;
    private long sumFlow;

    public FlowBean() {
    }

    public void setFlows(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;
    }

    @Override
    public String toString() {
        return "FlowBean{" +
                "upFlow=" + upFlow +
                ", downFlow=" + downFlow +
                ", sumFlow=" + sumFlow +
                '}';
    }

    /**
     * 序列化方法
     * 从此处可以看出，序列化之后的数据已经完全丢失类结构，只保留数据本身
     * @param dataOutput 框架给我们提供的数据出口
     * @throws IOException
     */
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeLong(upFlow);
        dataOutput.writeLong(downFlow);
        dataOutput.writeLong(sumFlow);
    }

    /**
     * 反序列化方法
     * 注意：序列化和反序列化的顺序一定要完全一致！
     * @param dataInput 框架提供的数据来源
     * @throws IOException
     */
    public void readFields(DataInput dataInput) throws IOException {
        upFlow = dataInput.readLong();
        downFlow = dataInput.readLong();
        sumFlow = dataInput.readLong();
    }
}

序列化实例

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

数据准备

1	13956435636	192·196·100·1	www.ha0123.com	1231	12342	200
2	13590439668	192·168·100.2	WWW.50g0u.com	3563	24578	200
3	13956435636	192·168·100.3	WWW.50g0u.com	3563	24578	200
4	13966251146	192·168·100.4	WWW.50g0u.com	3563	24578	200
5	13729199489	192·168·100.5	WWW.50g0u.com	3563	24578	200
6	13630577991	192·168·100.6	WWW.50g0u.com	3563	24578	200
7	15043685818	192·168·100.7	WWW.50g0u.com	3563	24578	200
8	13470253144	192·168·100.8	WWW.50g0u.com	3563	24578	200
9	13682846555	192·168·100.9	WWW.50g0u.com	3563	24578	200
10	13992314666	192·168·100.10	WWW.50g0u.com	3563	24578	200
11	13509468723	192·168·100.11	WWW.50g0u.com	3563	24578	200

分析

因为要统计上行和下行，而这两个类型的组合不是Hadoop自带的序列化数据类型，所以需要自行架构数据类型，并实现序列化操作。

编写Mapper

package foo.zongzhe.map_reduce.phone_data;

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

import java.io.IOException;

import static foo.zongzhe.utils.Constants.TAB;

public class PDMapper extends Mapper<LongWritable, Text, Text, FlowBean> {

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

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        String phoneInfo[] = line.split(TAB);
        phoneNum.set(phoneInfo[1]);
        long upFlow = Long.parseLong(phoneInfo[4]);
        long downFlow = Long.parseLong(phoneInfo[5]);
        flow.setFlows(upFlow, downFlow);
        context.write(phoneNum, flow);
    }
}

编写Reducer

package foo.zongzhe.map_reduce.phone_data;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class PDReducer extends Reducer<Text, FlowBean, Text, FlowBean> {
    private int sum = 0;
    private IntWritable total = new IntWritable();
    private FlowBean sumFlow = new FlowBean();

    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
        long sumUpFlow = 0;
        long sumDownFlow = 0;
        for (FlowBean value : values) {
            sumUpFlow += value.getUpFlow();
            sumDownFlow += value.getDownFlow();
        }
        sumFlow.setFlows(sumUpFlow, sumDownFlow);
        context.write(key, sumFlow);
    }
}

编写Driver

package foo.zongzhe.map_reduce.phone_data;

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 PDDriver {
    public static void main(String[] args) {

    }

    public void PdDriver(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        job.setJarByClass(PDDriver.class);

        job.setMapperClass(PDMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        job.setReducerClass(PDReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        boolean success = job.waitForCompletion(true);
        System.exit(success ? 0 : 1);
    }
}

运行程序并查看结果

 

 

 

# mapreduce # hadoop
Logo
AtomGit 开源协作平台测评赛

瓜分20万奖金 获得内推名额 丰厚实物奖励 易参与易上手

更多推荐

cover

C#联合Halcon深度学习源代码分享1 预处理图像2图像识别测试3误差分析（含导入步骤文档，含中文注释） （附源码链接）

avatar 开放原子开发者工作坊

Git基础命令学习

git基础命令学习笔记git init 命令目录变成 Git 可以管理的仓库git add 把文件添加到仓库(可多次add不同的文件)git commit 把文件提交到仓库git satus 命令查看状态，可以让我们时刻掌握仓库当前的状态git diff可以看到指定文件的修改内容

avatar 开放原子开发者工作坊
cover

SpringBoot01:Hello,World

avatar 开放原子开发者工作坊