Mapreduce序列化

Posted 2021-07-14 NC_NE

1、序列化概述

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。

2、为什么要序列化

大数据集群都是分布式的模式，对象基本都是要跨集群传输的，所以必须要能够序列化

3、为什么不用 Java 的序列化

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（Writable）

4、Hadoop 序列化特点：

（1）紧凑 ：高效使用存储空间。

（2）快速：读写数据的额外开销小。

（3）互操作：支持多语言的交互

5、自定义 bean 对象实现序列化接口（Writable)

实现 bean 对象序列化步骤

（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

（3）重写序列化方法（write）

（4）重写反序列化方法(readFields)

（5）注意序列化的顺序和反序列化的顺序完全一致

（6）要想把结果显示在文件中，需要重写 toString()

（7）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（这就是为什么在reducer方法中同一个key只调用一次reducer方法，因为在shuffle按字典循序排序了 ）

6、序列化案例实操

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

数据：

1	13736230513	192.196.100.1	www.atguigu.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.atguigu.com	1527	2106	200
6 	84188413	192.168.100.3	www.atguigu.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

输入数据格式

输出数据格式

编写 MapReduce 程序

编写流量统计的 Bean 对象，注意序列化的顺序和反序列化的顺序完全一致

package com.ouyangl.mapreduce.writable;

import org.apache.hadoop.io.Writable;

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

/**
 * @author oyl
 * @create 2021-06-05 15:58
 * @Description
 * 1、定义类实现writeable接口
 * 2、重写序列化和反序列化方法
 * 3、重写空构造
 * 4、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.upFlow + this.downFlow;
    }

    //空参构造
    public FlowBean() {
    }

    @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 {

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

编写 Mapper 类

每行取数需要注意不能简单安装数组下标，因为存在空缺字段，所以需要先判断当前行长度

package com.ouyangl.mapreduce.writable;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * @author oyl
 * @create 2021-06-05 16:46
 * @Description
 */
public class FlowMapper extends Mapper<LongWritable, Text,Text, FlowBean> {


    private Text outk = new Text();
    private FlowBean outv = new FlowBean();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        //获取一行数据
        String line = value.toString();

        //切割
        String[] split = line.split("\\t");

        //获取相应数据
        String phoneNum = split[1];
        //存在没有域名值的行，所以不能简单从数组下标取数据，需要先判断当前长度来取数据
        // 7 - 3 = 4
        // 6 - 3 = 3
        String upFlow = split[split.length - 3];
        String downFlow = split[split.length - 2];

        //封装 outk outv
        outk.set(phoneNum);
        outv.setUpFlow(Long.parseLong(upFlow));
        outv.setDownFlow(Long.parseLong(downFlow));
        outv.setSumFlow();

        //写出 outK outV
        context.write(outk,outv);
    }
}

编写 Reducer 类

package com.ouyangl.mapreduce.writable;

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

import java.io.IOException;

/**
 * @author oyl
 * @create 2021-06-05 17:06
 * @Description
 */
public class FlowReducer extends Reducer<Text,FlowBean,Text,FlowBean> {

    private FlowBean outv = new FlowBean();

    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {

        long upFlow = 0;
        long downFlow = 0;

        for (FlowBean value : values) {
             upFlow += value.getUpFlow();
             downFlow = value.getDownFlow();
        }

        //封装outkV
        outv.setUpFlow(upFlow);
        outv.setDownFlow(downFlow);
        outv.setSumFlow();

        //写出
        context.write(key,outv);
    }
}

编写 Driver 驱动类

注意输出路径不能存在

package com.ouyangl.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;

/**
 * @author oyl
 * @create 2021-06-05 17:13
 * @Description
 */
public class FlowDriver {


    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

        //1、获取job
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        //2、设置job
        job.setJarByClass(FlowDriver.class);

        //3、关联mapper 和reducer
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);

        //4、设置mapper输出key和value类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        //5、设置最终结果输出的key和value类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        //6、设置数据的输入和输出路径
        FileInputFormat.setInputPaths(job,new Path("I:\\\\大数据资料\\\\尚硅谷大数据资料\\\\hadoop\\\\3.0\\\\资料\\\\11_input\\\\inputflow\\\\phone_data.txt"));
        FileOutputFormat.setOutputPath(job,new Path("C:\\\\Users\\\\oyl\\\\Desktop\\\\HADOOP\\\\output3"));

        //7、提交job
        boolean resoult = job.waitForCompletion(true);
        System.exit(resoult ? 0 : 1);
    }
}

结果：