Hadoop之Mapreduce序列化
作者:小唐同学(๑><๑)
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(持久化)和网络传输。
什么是反序列化:
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。
为什么要序列化:
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。
Java的序列化:
在Java中也是有序列化的,我们为什么不通过idea使用Java的序列化那?
因为Java的序列化框架(Serializable)是一个繁重的框架,附带信息比较多(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)。
Hadoop序列化:
Hadoop的序列化比较精简,只有简单的校验,有紧凑(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)的特点。
自定义序列化接口:
在开发过程中,基本序列化类型不能满足所有需求,比如在Hadoop框架内部传递一个bean对象(不是基本的数据类型(某个类)----没有对应的Hadoop类型),那么该对象就需要实现序列化接口。
实现序列化的步骤:
先看源码进行简单分析:
Writable接口(好像也分析不出什么)
两个方法:
1.write: 进行序列化
2.readFields:进行反序列化
(1) 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(); }
(2) 重写接口中的两个方法***(注意:反序列化的顺序和序列化的顺序完全一致)
如数据结构中的队列一样先进先出,先序列化则先反序列化
(3)需要重写toString()方法,因为需要打印出来,否则打印出来的是地址
(4) 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。(比如:上一篇博客中的计算单词出现次数中 最后呈现的单词是按照26个英文字母的顺序进行排序的)
看一个样例源码(字符串Text):
看到上图 实现接口:
WritableComparable<BinaryComparable>
跟进一下:
看到该接口继承自Comparable接口(这是Java中的一个API)
序列化案例实操:
案例需求:
统计每一个手机号耗费的总上行流量、总下行流量、总流量
(1)输入数据:
(2)输入数据格式:
(3)期望输出数据格式
需求分析:
先输入数据,输入数据后需要进行mapper阶段---》reduce阶段---》输出阶段
mapper阶段:
先考虑输入kv (k---偏移量 v是一行数据)
输出(kv)为reduce的输入(kv) (本样例中使用的k是手机号--统计手机号的流量使用 v为上行流量,下行流量,总流量 则需要封装bean类(自定义对象) 再进行序列化传输(为什么要进行序列化那?----因为再计算的过程中可能由于资源问题mapper和reduce不在同一台服务器上))
输出(kv)同样也是(手机号,bean类)
编写MapperReduce程序:
1.FlowBean代码:
package com.tangxiaocong.mapreduce.writable; import org.apache.hadoop.io.Writable; import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; /* * * 定义bean类 * 需要实现writable * 重写序列化和反序列化方法 * 重写空参构造 * 重写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; } //生成空参构造函数由于反射 快捷键alt + insert public FlowBean() { } @Override public void write(DataOutput out) throws IOException { //序列化方法 // 向缓冲流中写入Long类型的数据 out.writeLong(upFlow); out.writeLong(downFlow); out.writeLong(sumFlow); } @Override public void readFields(DataInput in) throws IOException { //反序列化方法 //读取缓冲区中数据 this.upFlow= in.readLong(); this.downFlow= in.readLong(); this.sumFlow= in.readLong(); } @Override public String toString() { return upFlow + "\t"+downFlow +"\t"+ sumFlow ; } }
2.Mapper代码:
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(); //调用的无参构造函数 @Override protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException { //1 获取一行 //1 13736230513 192.196.100.1 www.atguigu.com 2481 24681 200 String s = value.toString();// 将数据转换成string //2 进行切割 String[] split = s.split("\t"); //将数据按写入形式进行切割 //3 抓取想要的数据 //根据角标获取 手机号 上行流量 下行流量 String phone = split[1]; String up = split[split.length - 3];// 不能正序 因为有的属性是没有字段的 String down = split[split.length - 2]; // 封装输出的kv outK.set(phone); outV.setUpFlow(Long.parseLong(up));// up为string类型 outV.setDownFlow(Long.parseLong(down)); outV.setSumFlow(); // //写出 context.write(outK,outV); } }
3. reduce代码:
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 传入TEXT 为手机号 后边为集合(Bean类的对象的集合)输出还是一个一个bean类 (每个手机号的总和) for (FlowBean value : values) { //传入的参数是同一个key的 totalUp+=value.getUpFlow(); totaldown+=value.getDownFlow(); } // 现在求出的是每个手机号的总的上行流量 下行流量 //封装 key不需要 //outv outv.setUpFlow(totalUp); outv.setDownFlow(totaldown); outv.setSumFlow(); //写出 context.write(key,outv); } }
4.driver代码:
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 { //获取JOB Configuration entries = new Configuration(); Job job = Job.getInstance(entries); job.setJarByClass(FlowDriver.class); //关联mapper 和reduce job.setMapperClass(FlowMapper.class); job.setReducerClass(FlowReducer.class); //设置mapper 输出的key 和value job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(FlowBean.class); // 设置最终的数据输出的key和value 类型 job.setOutputKeyClass(Text.class); job.setOutputValueClass(FlowBean.class); //设置数据的输入路径和输出路径 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); } }
最后运行
出现了bug 经过两个小时的调试 找出答案 是在driver类中设置mapper类输出kv类型出现差错没有配型成功
现在是运作正确的
到此这篇关于Hadoop之Mapreduce序列化的文章就介绍到这了,更多相关Mapreduce序列化内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!