Hadoop序列化

序列化定义

　　把内存中的数据持久化（把内存中的对象转换为字节码文件存储带磁盘上）和网络传输。

反序列化定义

　　反序列化就是把接收到的字节序列（或其它协议传输的数据）或持久化的磁盘数据转换为内存对象。

为什么进行序列化操作？

　　一般内存对象断电时就会消失，而且只能由本地进程去使用，序列化就可以存储内存对象并将对象发送到远程计算机。

Java序列化和Hadoop序列化对比

　　Java的Serizable是重量级的序列化框架吗，一个对象序列化后会有很多额外的校验信息，不便在网络中传输。

　　hadoop序列化更加紧凑（合理使用存储空间）快速（读写数据的额外开销少）互操作（支持多种语言的交互）

hadoop自定义数据序列化

　　一般常用数据序列化的类型不能满足开发需要，比如自己定义一个bean类，如何对自定义的数据类型序列化呢？

　　（1）实现Writable接口

　　（2）重写序列化和反序列化方法。

　　（3）反序列化时要反射调用空参构造函数，要有空参构造

　　（4）反序列化和序列化的顺序要一致

　　（5）要把结果显示到文件中需要重写toString()，可用"\t"分开方便后续使用。

　　（6）如果想把bean作为key传输需要实现Comparable（MapReduce中的shuffule要求对key必须能排序）。

序列化案例

　统计一个手机号的上行流量、下行流量和总流量

　　（1）输入数据

　　

（2）输入数据格式：

id　　手机号　　ip　　域名　　上行流量　　下行流量　　网络状态码 

（3）输出数据格式

手机号　　上行流量　　下行流量　　总流量

（4）根据输入、输出格式分析可知

　　map阶段输出（reduce输入）和reduce输出的key是手机号，而map阶段输出的value要包括上行流量、下行流量、总流量，所以设计封装bean作为value以及作为reduce的输入value，然后将bean以给出的格式输出到文件中（重写toString()方法），完成操作。

（5）代码编写

　　FlowBean

package com.rsh.mapreduce.flow;

import org.apache.hadoop.io.Writable;

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

public class FlowBean implements Writable {

    private long upFlow;
    private long downFlow;
    private long 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 sunFlow) {
        this.sumFlow = sunFlow;
    }

    public void setSumFlow() {
        this.sumFlow = this.upFlow + this.downFlow;
    }

    public FlowBean() {
    }


    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeLong(upFlow);
        dataOutput.writeLong(downFlow);
        dataOutput.writeLong(sumFlow);
    }

    @Override
    public void readFields(DataInput dataInput) throws IOException {
        this.upFlow = dataInput.readLong();
        this.downFlow = dataInput.readLong();
        this.sumFlow = dataInput.readLong();
    }

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

FlowMapper

package com.rsh.mapreduce.flow;

import org.apache.hadoop.io.Writable;

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

public class FlowBean implements Writable {

    private long upFlow;
    private long downFlow;
    private long 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 sunFlow) {
        this.sumFlow = sunFlow;
    }

    public void setSumFlow() {
        this.sumFlow = this.upFlow + this.downFlow;
    }

    public FlowBean() {
    }


    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeLong(upFlow);
        dataOutput.writeLong(downFlow);
        dataOutput.writeLong(sumFlow);
    }

    @Override
    public void readFields(DataInput dataInput) throws IOException {
        this.upFlow = dataInput.readLong();
        this.downFlow = dataInput.readLong();
        this.sumFlow = dataInput.readLong();
    }

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

FlowReducer

package com.rsh.mapreduce.flow;

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 outV = new FlowBean();
    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Reducer<Text, FlowBean, Text, FlowBean>.Context context) throws IOException, InterruptedException {

        long totalUp = 0;
        long totalDown = 0;

        //遍历相同号码的上行、下行流量、总流量进行累加
        for (FlowBean value : values) {
            totalUp += value.getUpFlow();
            totalDown += value.getDownFlow();
        }

        //封装outKV
        outV.setUpFlow(totalUp);
        outV.setDownFlow(totalDown);
        outV.setSumFlow();

        //写出outK outV
        context.write(key,outV);
    }
}

FlowDriver

package com.rsh.mapreduce.flow;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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 {
        //获取job对象
        Configuration configuration = new Configuration();
        Job job = Job.getInstance(configuration);

        //关联本driver类
        job.setJarByClass(FlowDriver.class);

        //关联Mapper、Reducer类
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);

        //设置Map的outKV类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        //设置程序最终输出类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        //设置程序的输入输出路径
        FileInputFormat.setInputPaths(job,new Path("D:\\hadoopMR\\MRInput\\flow.txt"));
        FileOutputFormat.setOutputPath(job,new Path("D:\\hadoopMR\\MROutput4"));

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