Hadoop之Mapreduce序列化

更新時(shí)間：2023年03月27日 16:08:54 作者：小唐同學(xué)(?>?<?）

本文主要帶我們了解Mapreduce序列化，序列化就是把內(nèi)存中的對(duì)象，轉(zhuǎn)換成字節(jié)序列（或其他數(shù)據(jù)傳輸協(xié)議）以便于存儲(chǔ)到磁盤（持久化）和網(wǎng)絡(luò)傳輸。想進(jìn)一步了解更多的小伙伴，可以參考閱讀本文

什么是序列化：

序列化就是把內(nèi)存中的對(duì)象，轉(zhuǎn)換成字節(jié)序列（或其他數(shù)據(jù)傳輸協(xié)議）以便于存儲(chǔ)到磁盤（持久化）和網(wǎng)絡(luò)傳輸。

什么是反序列化：

反序列化就是將收到字節(jié)序列（或其他數(shù)據(jù)傳輸協(xié)議）或者是磁盤的持久化數(shù)據(jù)，轉(zhuǎn)換成內(nèi)存中的對(duì)象。

為什么要序列化：

一般來(lái)說(shuō)，“活的”對(duì)象只生存在內(nèi)存里，關(guān)機(jī)斷電就沒(méi)有了。而且“活的”對(duì)象只能由本地的進(jìn)程使用，不能被發(fā)送到網(wǎng)絡(luò)上的另外一臺(tái)計(jì)算機(jī)。然而序列化可以存儲(chǔ)“活的”對(duì)象，可以將“活的”對(duì)象發(fā)送到遠(yuǎn)程計(jì)算機(jī)。

Java的序列化：

在Java中也是有序列化的，我們?yōu)槭裁床煌ㄟ^(guò)idea使用Java的序列化那？

因?yàn)镴ava的序列化框架（Serializable）是一個(gè)繁重的框架，附帶信息比較多（各種校驗(yàn)信息，Header，繼承體系等），不便于在網(wǎng)絡(luò)中高效傳輸。所以，Hadoop自己開(kāi)發(fā)了一套序列化機(jī)制（Writable）。

Hadoop序列化:

Hadoop的序列化比較精簡(jiǎn)，只有簡(jiǎn)單的校驗(yàn)，有緊湊（高效使用存儲(chǔ)空間），快速（讀寫數(shù)據(jù)的額外開(kāi)銷小），互操作（支持多語(yǔ)言的交互）的特點(diǎn)。

自定義序列化接口：

在開(kāi)發(fā)過(guò)程中，基本序列化類型不能滿足所有需求，比如在Hadoop框架內(nèi)部傳遞一個(gè)bean對(duì)象（不是基本的數(shù)據(jù)類型（某個(gè)類）----沒(méi)有對(duì)應(yīng)的Hadoop類型），那么該對(duì)象就需要實(shí)現(xiàn)序列化接口。

實(shí)現(xiàn)序列化的步驟：

先看源碼進(jìn)行簡(jiǎn)單分析：

Writable接口（好像也分析不出什么）

兩個(gè)方法：

1.write: 進(jìn)行序列化

2.readFields:進(jìn)行反序列化

(1) 反序列化時(shí)，需要反射調(diào)用空參構(gòu)造函數(shù)，所以必須有空參構(gòu)造

public FlowBean() {
	super();
}

(2) 重寫接口中的兩個(gè)方法***(注意：反序列化的順序和序列化的順序完全一致)

如數(shù)據(jù)結(jié)構(gòu)中的隊(duì)列一樣先進(jìn)先出，先序列化則先反序列化

(3）需要重寫toString（）方法，因?yàn)樾枰蛴〕鰜?lái),否則打印出來(lái)的是地址

(4) 如果需要將自定義的bean放在key中傳輸，則還需要實(shí)現(xiàn)Comparable接口，因?yàn)镸apReduce框中的Shuffle過(guò)程要求對(duì)key必須能排序。(比如：上一篇博客中的計(jì)算單詞出現(xiàn)次數(shù)中最后呈現(xiàn)的單詞是按照26個(gè)英文字母的順序進(jìn)行排序的)

看一個(gè)樣例源碼（字符串Text）：

看到上圖實(shí)現(xiàn)接口：

WritableComparable<BinaryComparable>

跟進(jìn)一下：

看到該接口繼承自Comparable接口（這是Java中的一個(gè)API）

序列化案例實(shí)操：

案例需求：

統(tǒng)計(jì)每一個(gè)手機(jī)號(hào)耗費(fèi)的總上行流量、總下行流量、總流量

（1）輸入數(shù)據(jù)：

（2）輸入數(shù)據(jù)格式：

（3）期望輸出數(shù)據(jù)格式

需求分析：

先輸入數(shù)據(jù)，輸入數(shù)據(jù)后需要進(jìn)行mapper階段---》reduce階段---》輸出階段

mapper階段：

先考慮輸入kv （k---偏移量 v是一行數(shù)據(jù)）

輸出(kv)為reduce的輸入（kv） (本樣例中使用的k是手機(jī)號(hào)--統(tǒng)計(jì)手機(jī)號(hào)的流量使用 v為上行流量，下行流量，總流量則需要封裝bean類（自定義對(duì)象）再進(jìn)行序列化傳輸（為什么要進(jìn)行序列化那？----因?yàn)樵儆?jì)算的過(guò)程中可能由于資源問(wèn)題mapper和reduce不在同一臺(tái)服務(wù)器上))

輸出（kv）同樣也是（手機(jī)號(hào)，bean類）

編寫MapperReduce程序：

1.FlowBean代碼：

package com.tangxiaocong.mapreduce.writable;
 
import org.apache.hadoop.io.Writable;
 
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
 
/*
*
* 定義bean類
* 需要實(shí)現(xiàn)writable
* 重寫序列化和反序列化方法
* 重寫空參構(gòu)造
* 重寫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;
    }
    //生成空參構(gòu)造函數(shù)由于反射  快捷鍵alt   + insert
 
    public FlowBean() {
    }
 
    @Override
    public void write(DataOutput out) throws IOException {
        //序列化方法
        //  向緩沖流中寫入Long類型的數(shù)據(jù)
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }
 
    @Override
    public void readFields(DataInput in) throws IOException {
//反序列化方法
        //讀取緩沖區(qū)中數(shù)據(jù)
        this.upFlow= in.readLong();
        this.downFlow= in.readLong();
        this.sumFlow= in.readLong();
    }
 
    @Override
    public String toString() {
        return upFlow + "\t"+downFlow +"\t"+ sumFlow ;
    }
}

2.Mapper代碼：

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();  //調(diào)用的無(wú)參構(gòu)造函數(shù)
 
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {
        //1 獲取一行
        //1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
 
        String s = value.toString();// 將數(shù)據(jù)轉(zhuǎn)換成string
        //2 進(jìn)行切割
 
        String[] split = s.split("\t"); //將數(shù)據(jù)按寫入形式進(jìn)行切割
        //3 抓取想要的數(shù)據(jù)
        //根據(jù)角標(biāo)獲取  手機(jī)號(hào)  上行流量  下行流量
 
 
        String phone = split[1];
        String up = split[split.length - 3];//  不能正序 因?yàn)橛械膶傩允菦](méi)有字段的
        String down = split[split.length - 2];
//     封裝輸出的kv
 
        outK.set(phone);
        outV.setUpFlow(Long.parseLong(up));//  up為string類型
        outV.setDownFlow(Long.parseLong(down));
        outV.setSumFlow();          //
 
        //寫出
        context.write(outK,outV);
    }
}

3. reduce代碼：

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   傳入TEXT  為手機(jī)號(hào)  后邊為集合（Bean類的對(duì)象的集合）輸出還是一個(gè)一個(gè)bean類  （每個(gè)手機(jī)號(hào)的總和）
        for (FlowBean value : values) {  //傳入的參數(shù)是同一個(gè)key的
            totalUp+=value.getUpFlow();
            totaldown+=value.getDownFlow();
        }
        //  現(xiàn)在求出的是每個(gè)手機(jī)號(hào)的總的上行流量  下行流量
            //封裝  key不需要
        //outv
    outv.setUpFlow(totalUp);
    outv.setDownFlow(totaldown);
    outv.setSumFlow();
    //寫出
        context.write(key,outv);
    }
}

4.driver代碼：

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 {
        //獲取JOB
        Configuration entries = new Configuration();
        Job job = Job.getInstance(entries);
 
        job.setJarByClass(FlowDriver.class);
        //關(guān)聯(lián)mapper  和reduce
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);
 
        //設(shè)置mapper  輸出的key 和value
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);
 
        // 設(shè)置最終的數(shù)據(jù)輸出的key和value 類型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
 
        //設(shè)置數(shù)據(jù)的輸入路徑和輸出路徑
        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);
 
    }
 
}

最后運(yùn)行

出現(xiàn)了bug 經(jīng)過(guò)兩個(gè)小時(shí)的調(diào)試找出答案是在driver類中設(shè)置mapper類輸出kv類型出現(xiàn)差錯(cuò)沒(méi)有配型成功

現(xiàn)在是運(yùn)作正確的