Hadoop之Mapreduce序列化怎么实现

这篇“Hadoop之Mapreduce序列化怎么实现”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Hadoop之Mapreduce序列化怎么实现”文章吧。

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。

什么是反序列化：

 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。

Java的序列化：

在Java中也是有序列化的，我们为什么不通过idea使用Java的序列化那？

因为Java的序列化框架（Serializable）是一个繁重的框架，附带信息比较多（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:

Hadoop的序列化比较精简，只有简单的校验，有紧凑（高效使用存储空间），快速（读写数据的额外开销小），互操作（支持多语言的交互）的特点。

自定义序列化接口：  

在开发过程中，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（不是基本的数据类型（某个类）----没有对应的Hadoop类型），那么该对象就需要实现序列化接口。

实现序列化的步骤：

先看源码进行简单分析：

Writable接口（好像也分析不出什么）

两个方法：

1.write: 进行序列化

2.readFields:进行反序列化 

 (1)  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

public FlowBean() {
	super();
}

(2)  重写接口中的两个方法***(注意：反序列化的顺序和序列化的顺序完全一致)

                如数据结构中的队列一样先进先出，先序列化则先反序列化

(3）需要重写toString（）方法，因为需要打印出来,否则打印出来的是地址

(4)  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，因为MapReduce框中的Shuffle过程要求对key必须能排序。(比如：上一篇博客中的计算单词出现次数中 最后呈现的单词是按照26个英文字母的顺序进行排序的)

看一个样例源码（字符串Text）：

看到上图  实现接口：

WritableComparable<BinaryComparable>

跟进一下：

 看到该接口继承自Comparable接口（这是Java中的一个API）

序列化案例实操：

案例需求：

        统计每一个手机号耗费的总上行流量、总下行流量、总流量

（1）输入数据：

（2）输入数据格式：

（3）期望输出数据格式

需求分析：

         先输入数据，输入数据后需要进行mapper阶段---》reduce阶段---》输出阶段

mapper阶段：

先考虑输入kv   （k---偏移量    v是一行数据）

输出(kv)为reduce的输入（kv） (本样例中使用的k是手机号--统计手机号的流量使用      v为上行流量，下行流量，总流量    则需要封装bean类（自定义对象）  再进行序列化传输（为什么要进行序列化那？----因为再计算的过程中可能由于资源问题mapper和reduce不在同一台服务器上))

输出（kv）同样也是（手机号，bean类）

编写MapperReduce程序：

1.FlowBean代码：

package com.tangxiaocong.mapreduce.writable;
 
import org.apache.hadoop.io.Writable;
 
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
 
/*
*
* 定义bean类
* 需要实现writable
* 重写序列化和反序列化方法
* 重写空参构造
* 重写tostring方法
*
* */
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 sumFlow) {
        this.sumFlow = sumFlow;
    }
    public void setSumFlow() {
        this.sumFlow = this.downFlow+this.upFlow;
    }
    //生成空参构造函数由于反射  快捷键alt   + insert
 
    public FlowBean() {
    }
 
    @Override
    public void write(DataOutput out) throws IOException {
        //序列化方法
        //  向缓冲流中写入Long类型的数据
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }
 
    @Override
    public void readFields(DataInput in) throws IOException {
//反序列化方法
        //读取缓冲区中数据
        this.upFlow= in.readLong();
        this.downFlow= in.readLong();
        this.sumFlow= in.readLong();
    }
 
    @Override
    public String toString() {
        return upFlow + "\t"+downFlow +"\t"+ sumFlow ;
    }
}

2.Mapper代码：

package com.tangxiaocong.mapreduce.writable;
 
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 outK=new Text();
    private  FlowBean outV=new FlowBean();  //调用的无参构造函数
 
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {
        //1 获取一行
        //1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
 
        String s = value.toString();// 将数据转换成string
        //2 进行切割
 
        String[] split = s.split("\t"); //将数据按写入形式进行切割
        //3 抓取想要的数据
        //根据角标获取  手机号  上行流量  下行流量
 
 
        String phone = split[1];
        String up = split[split.length - 3];//  不能正序 因为有的属性是没有字段的
        String down = split[split.length - 2];
//     封装输出的kv
 
        outK.set(phone);
        outV.setUpFlow(Long.parseLong(up));//  up为string类型
        outV.setDownFlow(Long.parseLong(down));
        outV.setSumFlow();          //
 
        //写出
        context.write(outK,outV);
    }
}

3. reduce代码：

package com.tangxiaocong.mapreduce.writable;
 
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;
         
        //分析   传入TEXT  为手机号  后边为集合（Bean类的对象的集合）输出还是一个一个bean类  （每个手机号的总和）
        for (FlowBean value : values) {  //传入的参数是同一个key的
            totalUp+=value.getUpFlow();
            totaldown+=value.getDownFlow();
        }
        //  现在求出的是每个手机号的总的上行流量  下行流量
            //封装  key不需要
        //outv
    outv.setUpFlow(totalUp);
    outv.setDownFlow(totaldown);
    outv.setSumFlow();
    //写出
        context.write(key,outv);
    }
}

4.driver代码：

package com.tangxiaocong.mapreduce.writable;
 
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 {
        //获取JOB
        Configuration entries = new Configuration();
        Job job = Job.getInstance(entries);
 
        job.setJarByClass(FlowDriver.class);
        //关联mapper  和reduce
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);
 
        //设置mapper  输出的key 和value
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);
 
        // 设置最终的数据输出的key和value 类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
 
        //设置数据的输入路径和输出路径
        FileInputFormat.setInputPaths(job, new Path("D:\\hadoop\\phone_data.txt"));
        FileOutputFormat.setOutputPath(job, new Path("D:\\hadoop\\output3"));
        //提交job
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
 
    }
 
}

最后运行  

出现了bug  经过两个小时的调试  找出答案   是在driver类中设置mapper类输出kv类型出现差错没有配型成功 

现在是运作正确的

以上就是关于“Hadoop之Mapreduce序列化怎么实现”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注亿速云行业资讯频道。