hadoop学习第四天-Writable和WritableComparable序列化接口的使用&&MapReduce中传递javaBean的简单例子
一、 为什么javaBean要继承Writable和WritableComparable接口？
1. 如果一个javaBean想要作为MapReduce的key或者value，就一定要实现序列化，因为在Map到Reduce阶段的时候，只能是传输二进制数据，不可能将字符流直接进行RPC传输，
只要一个javabean实现了序列化和反序列化，就可以做为key或者value
最简单的序列化和反序列化就是实现Writable接口
ps：javaBean在作为key的时候有点不同，除了要继承Writable接口还需要实现Comparable接口
因为在shuffle到Reduce阶段的合并阶段，需要根据key对数据进行排序，合并，如果不实现这个接口，运行时会出错
WritableComparable就是Writable接口和java.lang.Comparable<T>的一个子接口，所以将要作为key的javaBean直接继承WritableComparable就可以了
2. java序列化与Writable序列化的比较
2.1 java序列化不够灵活，为了更好的控制序列化的整个流程所以使用Writable
2.2 java序列化不符合序列化的标准，没有做一定的压缩，java序列化首先写类名，然后再是整个类的数据，而且成员对象在序列化中只存引用，成员对象的可以出现的位置很随机，既可以在序列化的对象前，也可以在其后面，这样就对随机访问造成影响，一旦出错，整个后面的序列化就会全部错误
2.3 Java序列化每次序列化都要重新创建对象，内存消耗大，而Writable是可以重用的
二、 实现Writable和WritableComparable的UserBean
代码如下：
package com.qjx.serialize_8_2; import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; import org.apache.hadoop.io.WritableComparable; public class UserBean implements WritableComparable<UserBean> { private int id; private String name ; private String age; public UserBean() { } public UserBean(int id,String name , String age) { this.id = id; this.name = name; this.age = age; } @Override public String toString() { return this.id + this.name + this.age; } //反序列化，将输入二进制反序列化为字符流 @Override public void readFields(DataInput in) throws IOException { id = in.readInt(); name = in.readUTF(); age = in.readUTF(); } //序列化，将字节转化为二进制输出 @Override public void write(DataOutput out) throws IOException { out.writeInt(id); out.writeUTF(name); out.writeUTF(age); } @Override public int compareTo(UserBean o) { int thisValue = this.id; int thatValue = o.id; return (thisValue < thatValue ? -1 : (thisValue==thatValue ? 0 : 1)); } public int getId() { return id; } public void setId(int id) { this.id = id; } public String getName() { return name; } public void setName(String name) { this.name = name; } public String getAge() { return age; } public void setAge(String age) { this.age = age; } }
三、 MapReduce传递UserBean的一个简单例子
我们已经实现了可序列化的UserBean类，现在就做一个简单的例子，在MapReduce中传递UserBean
1. 准备一个文件user.txt，内容如下：
1 'tom' '22',2 'tom2' '22',3 'tom3' '22',4 'tom4' '22',5 'tom5' '22',6 'tom6' '22',7 'tom7' '22',8 'tom8' '22',9 'tom9' '22',10 'tom10' '22',11 'tom11' '22',12 'tom12' '22',13 'tom13' '22',1 'tom' '22',1 'tom' '22',2 'tom2' '22',2 'tom2' '22',
这个文件中有多个UserBean，我们的MapReduce就是要实现统计这些UserBean出现的次数
2. WCMapper.java的实现代码：
package com.qjx.serialize_8_2;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
/*
* Writable接口是一个实现了序列化协议的序列化对象。
* 在Hadoop中定义一个结构化对象都要实现Writable接口，使得该结构化对象可以序列化为字节流，字节流也可以反序列化为结构化对象。
* LongWritable类型:Hadoop.io对Long类型的封装类型
*/
public class WCMapper extends Mapper<LongWritable, Text, UserBean, LongWritable>{
@Override
protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, UserBean, LongWritable>.Context context)
throws IOException, InterruptedException {
// 获得每行文档内容，并且进行折分
String[] users = value.toString().split(",");
// 遍历折份的内容
System.out.println(users.length);
for (String u1 : users) {
//根据空格划分为三个属性
String[] u = u1.toString().split(" ");
System.out.println(u.length);
if(u!=null && u.length== 3) {
UserBean u2 = new UserBean(Integer.parseInt(u[0]),u[1],u[2]);
context.write(u2, new LongWritable(1));
}
else {
System.out.println("user split false !");
}
}
}
}
3. WCReducer.java实现代码：
package com.qjx.serialize_8_2; import java.io.IOException; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer; import com.qjx.serialize_8_2.UserBean; public class WCReducer extends Reducer<UserBean, LongWritable, UserBean, LongWritable>{ @Override protected void reduce(UserBean key, Iterable<LongWritable> values, Reducer<UserBean, LongWritable, UserBean, LongWritable>.Context context) throws IOException, InterruptedException { long sum = 0; for (LongWritable i : values) { // i.get转换成long类型 sum += i.get(); } // 输出总计结果 context.write(key, new LongWritable(sum)); } }
4. UserCount.java 的实现代码：
package com.qjx.serialize_8_2; import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; 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 UserCount { public static void main(String[] args) throws ClassNotFoundException, IOException, InterruptedException { // 创建job对象 Job job = Job.getInstance(new Configuration()); // 指定程序的入口 job.setJarByClass(UserCount.class); // 指定自定义的Mapper阶段的任务处理类 job.setMapperClass(WCMapper.class); job.setMapOutputKeyClass(UserBean.class); job.setMapOutputValueClass(LongWritable.class); // 本地数据的输入路径 FileInputFormat.setInputPaths(job, new Path("E:/trainingPack/serialize/input")); // 指定自定义的Reducer阶段的任务处理类 job.setReducerClass(WCReducer.class); // 设置最后输出结果的Key和Value的类型 x job.setOutputKeyClass(UserBean.class); job.setOutputValueClass(LongWritable.class); // 将计算的结果存到本地 FileOutputFormat.setOutputPath(job, new Path("E:/trainingPack/serialize/output")); // 执行提交job方法，直到完成，参数true打印进度和详情 job.waitForCompletion(true); System.out.println("Finished"); } }
5. 执行结果，生成的output内容如下：
1'tom''22' 3 2'tom2''22' 3 3'tom3''22' 1 4'tom4''22' 1 5'tom5''22' 1 6'tom6''22' 1 7'tom7''22' 1 8'tom8''22' 1 9'tom9''22' 1 10'tom10''22' 1 11'tom11''22' 1 12'tom12''22' 1 13'tom13''22' 1
