MR实例 - Windows运行MapReduce并实现Hadoop序列化【图文】
(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...
(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 |
---|---|
boolean | BooleanWritable |
byte | ByteWritable |
int | IntWritable |
float | FloatWritable |
long | LongWritable |
double | DoubleWritable |
String | Text (我们中出了一个……) |
map | MapWritable |
array | ArrayWritable |
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
更多推荐
所有评论(0)