Ming-Log's Blog

记录生活中的点点滴滴

0%

Hadoop-8-Hadoop序列化

发表于 更新于 分类于
本文字数： 5.9k 阅读时长 ≈ 5 分钟

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）以便于存储到磁盘（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）或者是磁盘的持久化数据，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）。

Hadoop序列化特点

  1. 紧凑 ：高效使用存储空间。
  2. 快速：读写数据的额外开销小。
  3. 互操作：支持多语言的交互。

自定义Bean对线实现序列化（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。

    1
    2
    3
    public class FlowBean implements Writable {

    }

  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。

    1
    2
    3
    public FlowBean() {
    	super();
    }

  3. 重写序列化方法

    1
    2
    3
    4
    5
    6
    @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

    1
    2
    3
    4
    5
    6
    @Override
    public void readFields(DataInput in) throws IOException {
    	upFlow = in.readLong();
    	downFlow = in.readLong();
    	sumFlow = in.readLong();
    }

    注意反序列化的顺序和序列化的顺序完全一致。

  5. 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。

    如果不重写toString方法那么在文件中写入的是对象在内存中存储的位置。

完整代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
package com.tipdm.mr.writable2;

import org.apache.hadoop.io.Writable;

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

/*
    JavaBean：
    1. 自定义类并实现Writable接口
    2. 重写write和readFields方法
    3. 重写toString方法
 */
public class FlowBean implements Writable {
    private long upFlow;
    private long downFlow;
    private long sumFlow;

    public FlowBean() {
    }

    public FlowBean(long upFlow, long downFlow, long sumFlow) {
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = 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;
    }


    /*
        序列化时调用该方法
     */
    @Override
    public void write(DataOutput out) throws IOException {
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }
    /*
        反序列化调用该方法
        注意：反序列化时的顺序要和序列化时的顺序保持一致
     */
    @Override
    public void readFields(DataInput in) throws IOException {
        upFlow = in.readLong();
        downFlow = in.readLong();
        sumFlow = in.readLong();
    }

    @Override
    public String toString() {
        return this.upFlow + " " + this.downFlow + " " + this.sumFlow;
    }
}

序列化案例实操

例如对用户网络流量的使用进行统计，数据如下所示：

image-20230717124851629

下载链接

任务：统计每个手机号【中间有重复的手机号，表示一个手机号访问了多个页面】，使用的上行流量、下行流量和总流量。

字段意义如下图所示：

image-20230717125119629

Mapper代码编写

由于Mapper的输出Value需要为每个手机号访问页面使用的上行流量，下行流量和总流量。在这里我们一般是不会将三个字段直接返回，而是将所有字段放入一个对象中返回出来。要使用对象返回就需要编写一个序列化对象，这里采用的方法就是上方定义的FlowBean对象。

总流量在原始的数据中没有现成的字段，需要自己计算，计算方法为：

Mapper阶段代码如下所示：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
package com.tipdm.mr.writable2;

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

import java.io.IOException;

public class FlowMapper extends Mapper <LongWritable, Text, Text, FlowBean>{
    private Text outKey = new Text();
    private FlowBean outValue = new FlowBean();
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {
        // 获取所有的输入数据
        String inKey = value.toString();
        // 切片
        String[] phoneInfo = inKey.split("\t");
        // 封装Key
        outKey.set(phoneInfo[1]);
        // 封装Value
        outValue.setUpFlow(Long.parseLong(phoneInfo[phoneInfo.length-3]));
        outValue.setDownFlow(Long.parseLong(phoneInfo[phoneInfo.length-2]));
        outValue.setSumFlow(outValue.getUpFlow()+outValue.getDownFlow());
        // 写出数据
        context.write(outKey, outValue);
    }
}

Reducer代码编写

Reducer阶段的代码如下所示，其作用为将所有的相同手机号的流量求和：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
package com.tipdm.mr.writable2;

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

import java.io.IOException;

public class FlowReducer extends Reducer<Text, FlowBean, Text, FlowBean>{
    private FlowBean outValue = new FlowBean();
    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Reducer<Text, FlowBean, Text, FlowBean>.Context context) throws IOException, InterruptedException {
        long sumUpFlow = 0;
        long sumDownFlow = 0;
        for (FlowBean value : values) {
            sumUpFlow += value.getUpFlow();
            sumDownFlow += value.getDownFlow();
        }
        outValue.setUpFlow(sumUpFlow);
        outValue.setDownFlow(sumDownFlow);
        outValue.setSumFlow(sumUpFlow+sumDownFlow);
        // 将key，value写出
        context.write(key, outValue);
    }
}

Driver代码编写

这里Driver的编写和前面WCCount案例类似：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
package com.tipdm.mr.writable2;

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;

import java.io.IOException;

public class FlowDriver {
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        // 1. 创建Job示例
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        // 2. 给Job赋值
        // 2.1 关联本程序的Jar -- 如果是本地可以不写，在集群上运行必须写
        job.setJarByClass(FlowDriver.class);
        // 2.2 设置Mapper类和Reduce类
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);
        // 2.3 设置Mapper输出的key, value的类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);
        // 2.4 设置最终输出的key,value的类型（在这是reducer输出的key，value的类型）
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
        // 2.5 设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path("..\\ioText\\input"));
        // 输出路径一定不能存在否则报错
        FileOutputFormat.setOutputPath(job, new Path("..\\ioText\\output"));
        // 3. 运行Job
        // waitForCompletion(boolean verbose)
        // verbose：是否打印执行过程信息
        // 返回值：如果job执行成功返回true
        job.waitForCompletion(true);
    }
}

运行FlowDriver代码

image-20230717131101631

结果如下所示：

image-20230717131130523

注意：如果没有在FlowBean中重写toString()方法，那么得到的是以下文件内容

image-20230717131328212

-------------本文结束感谢您的阅读-------------