hadoop 序列化小案例
上次我们做了简单的一个wordcount案例,下边我们在做一个复杂一点的小案例。
例如传输一个对象到wordcount中,输入数据格式如下:
3 12939234290 120.156.21.100 www.baidu.com 116 125 200
id 手机号码 网络ip 网址 下载流量 上传流量 响应状态码
期望输出的数据格式:
12939234290 116 125 241
手机号码 下行流量 上行流量 总流量
hadoop支持大量数据进行分布式存储,便于计算向数据移动。但是上边的数据是多个,但在hadoop中并没有支持对象这种复杂型数据类型,那该如何进行传输呢?
那我们对应上边的数据进行封装,那封装的对象该如何传递呢?
这里是不是会想到RPC框架里的数据传递,使用序列化。对的,hadoop也使用了自己的序列化方案。
那它和我们普通的序列化比较有何不同呢?
1.紧凑:存储空间更少
2.快速:传输速度更快
3.互操作:支持多语言操作
分析:
我们需要将上边一条数据,利用Tab分隔符进行分割,得到每一个数据,
然后对其进行封装到我们自定义的一个对象中去。
那自定义的对象要如何,序列化呢?hadoop有没有现成的序列化和反序列化呢?
我们可以查看之前小案例中的IntWriteable或者LongWriteable类,
他们可以在hadoop的序列化和反序列化中传递,都实现了一个相同的接口WritableComparable接口。
在进入查看WritableComparable接口,可以看到是继承了Writable和Comparable接口。这2个接口都有什么方法呢?
在Writable接口中,我们看到了序列化和反序列化的方法注释和解释
在Comparable接口中,我们看到了排序的方法注释和解释,针对我们的key进行排序
那我们就仿照这这个来定义一下我们要传递的对象
FlowBean类
import org.apache.hadoop.io.WritableComparable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
/**
* @author tenic
* @version 1.0
* @Date 2021-04-13
* @Desc
*/
public class FlowBean implements WritableComparable<FlowBean> {
private Long downFlow;
private Long upFlow;
private Long totalFlow;
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 getTotalFlow() {
return totalFlow;
}
public void setTotalFlow(Long totalFlow) {
this.totalFlow = totalFlow;
}
public FlowBean() {
super();
}
public void setSumFlow(){
this.totalFlow=this.upFlow + this.downFlow;
}
@Override
public void write(DataOutput out) throws IOException {
out.writeLong(this.downFlow);
out.writeLong(this.upFlow);
out.writeLong(this.totalFlow);
}
@Override
public void readFields(DataInput in) throws IOException {
this.downFlow = in.readLong();
this.upFlow = in.readLong();
this.totalFlow = in.readLong();
}
@Override
public int compareTo(FlowBean o) {
return (this.totalFlow <o.totalFlow ? -1 : (this.totalFlow ==o.totalFlow ? 0 : 1));
}
@Override
public String toString() {
return downFlow + "\t" + upFlow + "\t" + totalFlow ;
}
}
FlowMapper类
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
/**
* @author tenic
* @version 1.0
* @Date 2021-04-13
* @Desc
*/
public class FlowMapper extends Mapper<LongWritable,Text, Text,FlowBean> {
private FlowBean flowBean = new FlowBean();
private Text outK = new Text();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String line = value.toString();
String[] args = line.split("\t");
//1 12309866412 192.168.56.1 www.baidu.com 10 30 200
//一行数据形式如上边所示,经过制表符分割后形成的数组形式里,
// 下标为1的是手机号码,下标是4的是下载流量,下标是5的是上传流量
outK.set(args[1]);
flowBean.setDownFlow(Long.parseLong(args[args.length-3]));
flowBean.setUpFlow(Long.parseLong(args[args.length-2]));
flowBean.setSumFlow();
context.write(outK,flowBean);
}
}
FlowReducer类
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
/**
* @author tenic
* @version 1.0
* @Date 2021-04-13
* @Desc
*/
public class FlowReducer extends Reducer<Text,FlowBean, Text,FlowBean> {
@Override
protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
// 18732919322 [{"upFlow":203,"downFlow":123,"totalFlow":326},{……}]
//上边的是mapper输出的结果信息,我们可以看到前边是手机号,后边是一个flowbean的list对象
Long upFlow = 0L;
Long downFlow = 0L;
for (FlowBean value : values) {
upFlow += value.getUpFlow();
downFlow += value.getDownFlow();
}
FlowBean flowBean = new FlowBean();
flowBean.setDownFlow(downFlow);
flowBean.setUpFlow(upFlow);
flowBean.setSumFlow();
context.write(key,flowBean);
}
}
FlowBeanDriver类
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;
/**
* @author tenic
* @version 1.0
* @Date 2021-04-13
* @Desc
*/
public class FlowBeanDriver {
public static void main(String[] args) throws Exception {
Configuration config = new Configuration();
Job job = Job.getInstance(config);
//设置启动类
job.setJarByClass(FlowBeanDriver.class);
//设置mapper和reducer类
job.setMapperClass(FlowMapper.class);
job.setReducerClass(FlowReducer.class);
//设置mapper输出的key和value类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
//设置最后reducer输出的key和value的类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
//输入输出路径信息
FileInputFormat.setInputPaths(job,new Path("/Users/waterair/Documents/shelltest/mr/demo3/input/demo1.txt"));
FileOutputFormat.setOutputPath(job,new Path("/Users/waterair/Documents/shelltest/mr/demo3/output1/"));
System.exit(job.waitForCompletion(true)?0:1);
}
}
运行我们的driver类,我们可以到我们的输出路径上看到我们的结果,是按手机号码排序的一个结果
如下图:
输入文件:
输出文件:
总结
具体实现对象序列化步骤如下:
- 必须实现WritableComparable接口
- 反序列化时,需要反射空构造函数,必须有空构造函数
- 重写序列化write方法
- 重写反序列化readFields方法
- 注意反序列化的顺序和序列化顺序完全一致
- 要想把结果显示在文件中,需要重写toString(),可用'\t'分开,方便后续使用。
- 如果需要将自定义的bean放在key中传输,则还需要实现Comparable接口的方法,
因为MapReduce框架中有排序的过程,必须要按某一个key进行升序排列