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。
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。
Hadoop的MapReduce框架中,只允许Key-Value键值对的流通和处理。而有时,数据处理的需求中,需要用到多个数据。故需要将所需的多个数据封装成一个类,用来当作键值对中的Value,而数据在MapReduce框架中的交互和流通就需要对封装的类进行序列化和反序列化
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)。
这里有一个文档,里面有每个用户的流量的使用情况,里面有上行流量和下行流量和访问的网站。
现在要求:
统计每个用户的流量使用情况,求总流量。
现在流量文档如下
1 13736230513 192.196.100.1 www.baidu.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.baidu.com 1527 2106 200
6 84188413 192.168.100.3 www.baidu.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.atguigu.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
最后的两列为上行流量和下行流量。
案例需求:
1)统计每个手机号访问流量。
2需求要求统计上行流量和下行流量之和。
需要的数据为:①手机号 ②上行流量③下行流量
返回的结果的数据为:①手机号 ②上行流量③下行流量
综上可以发现:
上面的需求结果需要三个数据,而在Hadoop中的MapReduce的过程中,只有Key-Value键值对的流通和处理方法。
故需要对数据进行封装,使其满足Hadoop中MapReduce的框架要求。所以我们需要自定义序列化和反序列化
观察原数据文件得:
1)手机号会用重复
2)访问的站点可能会有空数据
3)每个数据之间的分隔符为**\t**
自定义序列化和反序列化的类
package com.mapreducer.selfSerialization;
import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
/**
* @author 杨铭
* 2022/4/17,23:04
*/
/**
* 1、自定义类型Writable接口
* 2、重写序列化和发序列化
* 3、重写空参构造
* 4、toString方法重新
*/
public class FlowBean implements Writable {
private long upFlow;
private long downFlow;
private long sumFlow;
public long getSumFlow() {
return sumFlow;
}
public void setSumFlow() {
this.sumFlow = this.upFlow + this.downFlow;
}
public FlowBean() {
}
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;
}
@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();
}
@Override
public String toString() {
return upFlow + "\t" + downFlow + "\t" + sumFlow;
}
}
处理过程的Map类
package com.mapreducer.selfSerialization;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
/**
* @author 杨铭
* 2022/4/17,23:11
*/
/**
* Mapper类中,输入kv格式为(位偏移量-每一行文本)
* Mapper类中的输出KV格式为(电话号码-号码对应信息)
* 这里将电话号码当作Key的原因:在文本之中可能有重复。
*/
public class FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
private Text outKey = new Text();
private FlowBean outValue = new FlowBean();
@Override
protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {
//获取一行
String line = value.toString();
//将数据分割
String[] split = line.split("\t");
String phone = split[1];
//观察数据,发现上行流量和下行流量的位置
int length = split.length;
String up = split[length - 3];
String down = split[length - 2];
//将电话号码当作Key
outKey.set(phone);
//封装流量
outValue.setUpFlow(Long.parseLong(up));
outValue.setDownFlow(Long.parseLong(down));
outValue.setSumFlow();
context.write(outKey, outValue);
}
}
处理过程的Reduce类
package com.mapreducer.selfSerialization;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
/**
* @author 杨铭
* 2022/4/17,23:18
*/
/**
* 接收和输出的KV (电话号码-封装好的数据)
* **/
public class FlowReduce extends Reducer<Text, FlowBean, Text, FlowBean> {
private FlowBean outValue = 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;
for (FlowBean value : values) {
totalUp += value.getUpFlow();
totalDown += value.getDownFlow();
}
outValue.setUpFlow(totalUp);
outValue.setDownFlow(totalDown);
outValue.setSumFlow();
context.write(key, outValue);
}
}
Drivr类
package com.mapreducer.selfSerialization;
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;
/**
* @author 杨铭
* 2022/4/20,19:21
*/
public class FlowDrive {
public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
job.setJarByClass(FlowDrive.class);
job.setMapperClass(FlowMapper.class);
job.setReducerClass(FlowReduce.class);
job.setMapOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
文章参考尚硅谷视频 连接如下:
https://www.bilibili.com/video/BV1Qp4y1n7EN?spm_id_from=333.337.search-card.all.click
如果感觉文章不错,请点赞关注!点赞和关注是博主写博客的动力!谢谢