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(持久化)和网络传输。
反序列化就是将收到字节序列(或其他数据传输协议)或者是硬盘的持久化数据,转换成内存中的对象。
主要作用是将MR中产生的数据以序列化类型在网络中、不同的电脑中进行数据传递
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,方便分布式处理
Java的序列化是一个重量级序列化框架(Serializable),一个对象被序列化后,会附带很多额外的信息(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),精简、高效。
Hadoop序列化特点:
Java类型
Hadoop Writable类型
boolean
BooleanWritable
byte
ByteWritable
int
IntWritable
float
FloatWritable
long
LongWritable
double
DoubleWritable
string
Text
map
MapWritable
array
ArrayWritable
计算每一个手机号总的上行流量、总的下行流量、总流量
在HDFS上的 /school 目录下有 phone_data.txt 文件,该文件中记录有手机号的上行流量、下行流量
其中:上行流量:倒数第三列;下行流量:倒数第二列
Map阶段:
读取到每一行数据,将每一行中的数据的手机号、上行流量、下行流量获取出来。
map阶段在去输出中间键值对数据的时候,应该以手机号为key,以上行流量和下行流量为value,发送给reduce
Reduce阶段:
reduce根据手机号(key)将这个手机对应的所有上行流量和下行流量获取到,累加即可
其中通过实现自定义的bean来封装流量信息,并将bean作为map输出的value来传输
public class DataCountMapper extends Mapper
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String line = value.toString();
String[] fields = line.split("\t");
FlowBean flowBean = new FlowBean();
String phone = fields[1];
int upFlow = Integer.parseInt(fields[fields.length - 3]);
int downFlow = Integer.parseInt(fields[fields.length - 2]);
flowBean.setPhone(phone);
flowBean.setUpFlow(upFlow);
flowBean.setDownFlow(downFlow);
/**
* 将数据以手机号为key,flowBean对象为value写出到reduce
*/
context.write(new Text(phone), flowBean);
}
}
public class DataCountReducer extends Reducer
@Override
protected void reduce(Text key, Iterable
Iterator
int upSum = 0;
int downSum = 0;
while (iterator.hasNext()) {
FlowBean bean = iterator.next();
upSum += bean.getUpFlow();
downSum += bean.getDownFlow();
}
int sum = upSum + downSum;
FlowBean flowBean = new FlowBean();
flowBean.setPhone(key.toString());
flowBean.setUpFlow(upSum);
flowBean.setDownFlow(downSum);
flowBean.setSumFlow(sum);
context.write(NullWritable.get(), flowBean);
}
}
public class DataCountDriver {
public static void main(String[] args) throws Exception {
// 获取job
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
// 设置jar包
job.setJarByClass(DataCountDriver.class);
// 关联Mapper和Reducer
job.setMapperClass(DataCountMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
job.setReducerClass(DataCountReducer.class);
job.setOutputKeyClass(NullWritable.class);
job.setOutputValueClass(FlowBean.class);
// 管理文件的输入和文件的输出
FileInputFormat.setInputPaths(job, new Path("hdfs://192.168.218.55:9000/school/phone\_data.txt"));
Path output = new Path("hdfs://192.168.218.55:9000/test/phone\_data");
FileSystem fs = FileSystem.get(new URI("hdfs://192.168.218.55:9000"), conf, "root");
if (fs.exists(output)) {
fs.delete(output, true);
}
FileOutputFormat.setOutputPath(job, output);
// 提交运行
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
public class FlowBean implements Writable {
/**
* JavaBean对象主要目的是为了封装手机号的上行流量和下行流量,然后在Map阶段当做key-value键值对的value输出到Reduce阶段
*/
private String phone;
private int upFlow;
private int downFlow;
private int sumFlow;
public String getPhone() {
return phone;
}
public void setPhone(String phone) {
this.phone = phone;
}
public int getUpFlow() {
return upFlow;
}
public void setUpFlow(int upFlow) {
this.upFlow = upFlow;
}
public int getDownFlow() {
return downFlow;
}
public void setDownFlow(int downFlow) {
this.downFlow = downFlow;
}
public int getSumFlow() {
return sumFlow;
}
public void setSumFlow(int sumFlow) {
this.sumFlow = sumFlow;
}
@Override
public String toString() {
return "FlowBean{" +
"phone='" + phone + '\\'' +
", upFlow=" + upFlow +
", downFlow=" + downFlow +
", sumFlow=" + sumFlow +
'}';
}
/\*\*
\* 序列化方法:将Java对象的属性值怎么序列化写出
\* @param dataOutput
\* @throws IOException
\*/
@Override
public void write(DataOutput dataOutput) throws IOException {
// 将一个String类型的属性序列化写出成二进制数据
dataOutput.writeUTF(this.phone);
// 将一个String类型的属性序列化写出成二进制数据
dataOutput.writeInt(upFlow);
dataOutput.writeInt(downFlow);
dataOutput.writeInt(sumFlow);
}
/\*\*
\* 反序列化方法:怎么将二进制代码转成JavaBean对象属性的值
\* 反序列化的时候,读取二进制数据时,不能随便读
\* 序列化写出时先写出哪个属性的值,就先读哪个属性值
\* @param dataInput
\* @throws IOException
\*/
@Override
public void readFields(DataInput dataInput) throws IOException {
this.phone = dataInput.readUTF();
this.upFlow = dataInput.readInt();
this.downFlow = dataInput.readInt();
this.sumFlow = dataInput.readInt();
}
}
Notes:
FlowBean是无法直接当做MR程序的key-value键值对的,除非JavaBean对象是hadoop的一个序列化对象
1. 让自定义的JavaBean对象实现一个借口:Writable(Hadoop的序列化接口,实现了这个接口,这个JavaBean对象就可以实现序列化)
2. 重写接口中的两个方法:①序列化的方法---怎么将对象序列化成二进制; ②反序列化的方法---怎么将二进制转成JavaBean对象
如果我们想用一个自定义的JavaBean对象去充当MR程序的key-value键值对的输入和输出,那么JavaBean对象必须实现Hadoop的序列化机制 :
实现接口Writable
重写write方法---序列化方法,将Java对象的属性值序列化写出
重写readFields方法---反序列化方法,将二进制数据反序列化成JavaBean对象的属性值
要求:反序列化的顺序必须是write方法写出数据的顺序
如果我们reduce阶段也是输出的JavaBean对象,那么在文件当中数据的格式就是JavaBean对象的toString()方法
手机扫一扫
移动阅读更方便
你可能感兴趣的文章