序列化概述
-
什麼是序列化
序列化就是把記憶體中的對象,轉換成位元組序列(或其他資料傳輸協定)以便于存儲到磁盤(持久化)和網絡傳輸
反序列化就是将收到位元組序列(或其他資料傳輸協定)或者是磁盤的持久化資料,轉換成記憶體中的對象
-
為什麼要序列化
一般來說,“活的”對象隻生存在記憶體裡,關機斷電就沒有了。而且“活的”對象隻能由本地的程序使用,不能被發送到網絡上的另外一台計算機。 然而序列化可以存儲“活的”對象,可以将“活的”對象發送到遠端計算機。
-
為什麼不用Java的序列化
Java的序列化是一個重量級序列化架構(Serializable),一個對象被序列化後,會附帶很多額外的資訊(各種校驗資訊,Header,繼承體系等),不便于在網絡中高效傳輸。是以,Hadoop自己開發了一套序列化機制(Writable)
-
Hadoop序列化特點
1)緊湊 :高效使用存儲空間。
2)快速:讀寫資料的額外開銷小
3)可擴充:随着通信協定的更新而可更新
4)互操作:支援多語言的互動
自定義bean對象實作序列化接口(Writable)
在企業開發中往往常用的基本序列化類型不能滿足所有需求,比如在Hadoop架構内部傳遞一個bean對象,那麼該對象就需要實作序列化接口。
具體實作bean對象序列化步驟如下7步
- 必須實作Writable接口
- 反序列化時,需要反射調用空參構造函數,是以必須有空參構造
public FlowBean() {
super();
}
- 重寫序列化方法
@Override
public void write(DataOutput out) throws IOException {
out.writeLong(upFlow);
out.writeLong(downFlow);
out.writeLong(sumFlow);
}
- 重寫反序列化方法
@Override
public void readFields(DataInput in) throws IOException {
upFlow = in.readLong();
downFlow = in.readLong();
sumFlow = in.readLong();
}
- 注意反序列化的順序和序列化的順序完全一緻
- 要想把結果顯示在檔案中,需要重寫toString(),可用”\t”分開,友善後續用
- 如果需要将自定義的bean放在key中傳輸,則還需要實作Comparable接口,因為MapReduce框中的Shuffle過程要求對key必須能排序。詳見後面排序案例
@Override
public int compareTo(FlowBean o) {
// 倒序排列,從大到小
return this.sumFlow > o.getSumFlow() ? -1 : 1;
}
序列化案例實操
-
需求
統計每一個手機号耗費的總上行流量、下行流量、總流量
1)輸入資料
1 13736230513 192.196.100.1 www.liujh.com 2481 24681 200
2 13846544121 192.196.100.2 264 0 200
3 13956435636 192.196.100.3 132 1512 200
4 13966251146 192.168.100.1 240 0 404
5 18271575951 192.168.100.2 www.liujh.com 1527 2106 200
6 84188413 192.168.100.3 www.liujh.com 4116 1432 200
7 13590439668 192.168.100.4 1116 954 200
8 15910133277 192.168.100.5 www.hao123.com 3156 2936 200
9 13729199489 192.168.100.6 240 0 200
10 13630577991 192.168.100.7 www.shouhu.com 6960 690 200
11 15043685818 192.168.100.8 www.baidu.com 3659 3538 200
12 15959002129 192.168.100.9 www.liujh.com 1938 180 500
13 13560439638 192.168.100.10 918 4938 200
14 13470253144 192.168.100.11 180 180 200
15 13682846555 192.168.100.12 www.qq.com 1938 2910 200
16 13992314666 192.168.100.13 www.gaga.com 3008 3720 200
17 13509468723 192.168.100.14 www.qinghua.com 7335 110349 404
18 18390173782 192.168.100.15 www.sogou.com 9531 2412 200
19 13975057813 192.168.100.16 www.baidu.com 11058 48243 200
20 13768778790 192.168.100.17 120 120 200
21 13568436656 192.168.100.18 www.alibaba.com 2481 24681 200
22 13568436656 192.168.100.19 1116 954 200
2)輸入資料格式:
id | 手機号碼 | 網絡ip | 上行流量 | 下行流量 | 網絡狀态碼 |
---|---|---|---|---|---|
7 | 13560436666 | 120.196.100.99 | 1116 | 954 | 200 |
3)期望輸出資料格式
手機号碼 | 上行流量 | 下行流量 | 總流量 |
---|---|---|---|
13560436666 | 1116 | 954 | 2070 |
- 需求分析
-
編寫MapReduce程式
1)編寫流量統計的Bean對象
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.Writable;
// 1 實作writable接口
public class FlowBean implements Writable{
private long upFlow;
private long downFlow;
private long sumFlow;
//2 反序列化時,需要反射調用空參構造函數,是以必須有
public FlowBean() {
super();
}
public FlowBean(long upFlow, long downFlow) {
super();
this.upFlow = upFlow;
this.downFlow = downFlow;
this.sumFlow = upFlow + downFlow;
}
//3 寫序列化方法
@Override
public void write(DataOutput out) throws IOException {
out.writeLong(upFlow);
out.writeLong(downFlow);
out.writeLong(sumFlow);
}
//4 反序列化方法
//5 反序列化方法讀順序必須和寫序列化方法的寫順序必須一緻
@Override
public void readFields(DataInput in) throws IOException {
this.upFlow = in.readLong();
this.downFlow = in.readLong();
this.sumFlow = in.readLong();
}
// 6 編寫toString方法,友善後續列印到文本
@Override
public String toString() {
return upFlow + "\t" + downFlow + "\t" + 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;
}
}
2)編寫Mapper類
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class FlowCountMapper extends Mapper<LongWritable, Text, Text, FlowBean>{
FlowBean v = new FlowBean();
Text k = new Text();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
// 1 擷取一行
String line = value.toString();
// 2 切割字段
String[] fields = line.split("\t");
// 3 封裝對象
// 取出手機号碼
String phoneNum = fields[1];
// 取出上行流量和下行流量
long upFlow = Long.parseLong(fields[fields.length - 3]);
long downFlow = Long.parseLong(fields[fields.length - 2]);
k.set(phoneNum);
v.set(downFlow, upFlow);
// 4 寫出
context.write(k, v);
}
}
3)編寫Reducer類
import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class FlowCountReducer extends Reducer<Text, FlowBean, Text, FlowBean> {
@Override
protected void reduce(Text key, Iterable<FlowBean> values, Context context)throws IOException, InterruptedException {
long sum_upFlow = 0;
long sum_downFlow = 0;
// 1 周遊所用bean,将其中的上行流量,下行流量分别累加
for (FlowBean flowBean : values) {
sum_upFlow += flowBean.getUpFlow();
sum_downFlow += flowBean.getDownFlow();
}
// 2 封裝對象
FlowBean resultBean = new FlowBean(sum_upFlow, sum_downFlow);
// 3 寫出
context.write(key, resultBean);
}
}
4)編寫Driver驅動類
import java.io.IOException;
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;
public class FlowsumDriver {
public static void main(String[] args) throws IllegalArgumentException, IOException, ClassNotFoundException, InterruptedException {
// 輸入輸出路徑需要根據自己電腦上實際的輸入輸出路徑設定
args = new String[] { "e:/input/inputflow", "e:/output1" };
// 1 擷取配置資訊,或者job對象執行個體
Configuration configuration = new Configuration();
Job job = Job.getInstance(configuration);
// 6 指定本程式的jar包所在的本地路徑
job.setJarByClass(FlowsumDriver.class);
// 2 指定本業務job要使用的mapper/Reducer業務類
job.setMapperClass(FlowCountMapper.class);
job.setReducerClass(FlowCountReducer.class);
// 3 指定mapper輸出資料的kv類型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
// 4 指定最終輸出的資料的kv類型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
// 5 指定job的輸入原始檔案所在目錄
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
// 7 将job中配置的相關參數,以及job所用的java類所在的jar包, 送出給yarn去運作
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
簡書:https://www.jianshu.com/u/0278602aea1d
CSDN:https://blog.csdn.net/u012387141