Hadoop案例：自定义序列化bean对象

目录

1 序列化概述

1.1 什么是序列化

1.2 为什么要序列化

2 如何自定义bean对象实现序列化操作

3 序列化案例实操

3.1 案例需求

3.2 案例需求分析

3.3 代码详解

---

1 序列化概述

1.1 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）或者是磁盘的持久化数据，转换成内存中的对象。

1.2 为什么要序列化

（1）通俗点来说，存储在内存中的对象是“活的”，如果关机、断电、宕机，内存中的对象就不存在了。因此，我们需要通过序列化将内存中的对象，转换成其他形式（字节码）进行存储。

（2）“活”的对象只能在本地进程使用，不能被发送到网络上的另一台计算机，而序列化可以将“活”的对象发送到远程计算机中。hadoop集群中，通常map和reduce都不在同一台计算机上。因此，将对象进行序列化处理是必要的。

（3）为什么不用java序列化。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）

（4）hadoop序列化特点。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。

2 如何自定义bean对象实现序列化操作

      在日常开发中，往往常用的已有的基本序列化类型不能满足所有需求。因此自定义类，创建满足需求的对象，因此该对象就需要实现序列化接口。例如，在mapreduce中需要传递一个Bean对象，那么该对象序列化步骤如下：

（1）必须实现Writable接口

（2）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();
}

（3）重写序列化方法

    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeLong(upFlow);
        dataOutput.writeLong(downFlow);
        dataOutput.writeLong(sumFlow);
    }

  （4）重写反序列化方法    

 @Override
    public void readFields(DataInput dataInput) throws IOException {
        this.upFlow = dataInput.readLong();
        this.downFlow = dataInput.readLong();
        this.sumFlow = dataInput.readLong();
    }

注意：反序列化的顺序和序列化的顺序完全一致

（6）要想把结果显示在文件中，还需要重写toString()方法。

 @Override
    public String toString() {
        return upFlow + "\t" + downFlow + "\t" + sumFlow;
    }

（7）如果需要将自定义的bean凡在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。（后续的文章中，我会讲到）

@Override
public int compareTo(FlowBean o) {
// 倒序排列，从大到小
return this.sumFlow > o.getSumFlow() ? -1 : 1;
}

3 序列化案例实操

3.1 案例需求

统计每个手机号耗费的总上行流量、总下行流量以及总流量

（1）输入数据（需要源数据可以关注+私信我）

（2）输入数据格式

（3）期望输出数据格式

3.2 案例需求分析

（1）明确需求：统计每个手机号的总上行流量、下行流量、总流量

（2）输入数据格式：

（3）期望输出数据格式

（4）map阶段（明确map阶段的输入输出的数据类型）

        1）读取一行数据，切分字段

               7 13560436666 120.196.100.99 1116 954 200

         2）抽取手机号、上行流量、下行流量

                13560436666  1116  954

        3）以手机号为key,bean对象为value输出。bean对象将上行流量、下行流量以总流量分装起来。

        4）bean对象想要传输，要实现序列化接口

（5）reduce阶段，map阶段的输出数据类型就是reduce阶段的输入数据类型。在这个阶段中，将通一个key的value值进行处理。这里是累加上行流量和下行流量得到总流量。

 13560436666 1116 + 954 = 2070

  手机号码 上行流量 下行流量 总流量

3.3 代码详解

包含4个部分：编写业务需求的Bean对象，对其进行序列化；编写Map代码；编写Reduce代码；编写Driver主程序。

解析都在代码注释中，看源码可以帮助理解整体逻辑。

（1）编写流量统计的Bean对象

package com.yangmin.mapreduce.writable;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 * 1.定义类实现writable接口
 * 2.重写序列化和反序列化方法
 * 3.重写空参构造
 * 4.重写tostring方法
 */
public class FlowBean implements Writable {

    private long upFlow; //上行流量
    private long downFlow; //下行流量
    private long sumFlow; //总流量

    //2 无参构造
    public FlowBean() {
    }

    //3 提供get/set方法
    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.upFlow + this.downFlow;
    }

    // 4.实现序列化和反序列化方法，注意顺序一定要保持一致
    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeLong(upFlow);
        dataOutput.writeLong(downFlow);
        dataOutput.writeLong(sumFlow);
    }

    @Override
    public void readFields(DataInput dataInput) throws IOException {
        this.upFlow = dataInput.readLong();
        this.downFlow = dataInput.readLong();
        this.sumFlow = dataInput.readLong();
    }

    //5 重写tostring方法
    @Override
    public String toString() {
        return upFlow + "\t" + downFlow + "\t" + sumFlow;
    }
}

（2）编写map类

package com.yangmin.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 {
    private Text outK = new Text();
    private FlowBean outbV = new FlowBean();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1. 获取一行数据，转换成字符串
        String string = value.toString();

        // 2. 切割数据
        String[] split = string.split("\t");
        // 3. 抓取我们需要的数据：手机号，上行流量，下行流量
        String phone = split[1];
        String up = split[split.length - 3];
        String down = split[split.length - 2];

        // 4. 封装outK outV
        outK.set(phone);
        outbV.setDownFlow(Long.parseLong(up));
        outbV.setUpFlow(Long.parseLong(down));
        outbV.setSumFlow();
        //5.写出outK,outV
        context.write(outK,outbV);
    }
}

（3）编写Reduce类

package com.yangmin.mapreduce.writable;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class FlowReducer extends Reducer {
     private FlowBean outV = new FlowBean();

    @Override
    protected void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {
        long totalUp = 0;
        long totalDown = 0;

        //1 遍历values,将其中的上下行流量，下行流量分别累加
        for (FlowBean value : values) {
            totalUp += value.getDownFlow();
            totalDown += value.getDownFlow();
        }

        //2 封装outV
        outV.setDownFlow(totalDown);
        outV.setUpFlow(totalUp);
        outV.setSumFlow();
        //3 写出
        context.write(key, outV);
    }
}

（4）编写 Driver 驱动类

package com.yangmin.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, ClassNotFoundException, InterruptedException {
        // 1.获取job对象
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        // 2.关联本Driver类
        job.setJarByClass(FlowDriver.class);

        //3.关联map和reduce
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);

        //4.设置map端输出kv值
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        //5.设置程序最终输出KV值
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        //6.设置程序的输入输出路径
        FileInputFormat.setInputPaths(job, new Path("C:\\ZProject\\bigdata\\input\\inputflow"));
        FileOutputFormat.setOutputPath(job, new Path("C:\\ZProject\\bigdata\\output\\output_writable"));
        //7.提交Job
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
    }
}