Hadoop学习笔记-MapReduce(2)-MapReduce序列化

Hadoop序列化

1. 序列化的概念

序列化：序列化就是将内存中的对象转化成字节序列（或者其他数据传输协议）以便于持久化到磁盘和网络传输。

反序列化：反序列化就是将收到的字节序列（或者其他数据传输协议）或者是磁盘的持久化数据，转换成内存中的对象。

2. hadoop序列化背景

在MapReduce的过程中，Mapper和Reducer之间存在数据交换，他们很有可能是不在一台节点上的，所以需要利用网络传输的手段来传输数据。因此数据需要序列化。在之前的示例中，我们使用的是hadoop writable类型的数据，那是Hadoop提供的可以序列化的基本类型。但是如果我们在键值对中想要使用我们自定义的类型，那么不作任何准备是不行的，因此需要完成序列化。

我们使用的是Hadoop的序列化，即让我们自定义的类实现序列化接口Writable。

这里并不使用java的序列化，因为Java的序列化是一个重量级的序列化框架（Serializable）。一个对象被序列化之后，会附带很多额外的信息，包括各种校验信息，Header，继承体系等等，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的序列化特点：

• 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

自定义类实现序列化接口（Writable）

程序背景：我们希望统计用户的上行流量、下行流量以及流量总和，因此我们定义一个自定义类FlowBean来完成对应信息的记录，并完成序列化。

1.自定义类

这里我们仅实现一个自定义类记录流量，FlowBean。

具体实现序列化的步骤如下：

1. 必须实现Writable接口
2. 反序列化的时候，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. 这里注意反序列化的顺序和序列化的顺序要完全一致
6. 如果想要将结果显示在文件中，需要重写toString()方法
7. 如果想要将自定义的对象放在key中传输，还需要实现WritableComparable接口。因为MapReduce框架中的Shuffle过程要求对key能够排序

因此，我们的自定义类实现如下（省略了setter和getter方法）：

public class FLowBean implements Writable {
    private long upFlow;
    private long downFlow;
    private long sumFlow;

    // 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 {
        this.upFlow = dataInput.readLong();
        this.downFlow = dataInput.readLong();
        this.sumFlow = dataInput.readLong();
    }

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

后续的Mapper和Reducer同样需要自定义实现来完成对应的逻辑。

2.Mapper

Mapper的输入输出：<LongWritable, Text>-><Text, FlowBean>

Mapper的逻辑：将读入的每一行进行转化，转化成对应电话号码和流量描述的键值对。

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, Mapper<LongWritable, Text, Text, FLowBean>.Context context) throws IOException, InterruptedException {
        String line = value.toString();
        String[] infos = line.split("\t");

        String phone = infos[1];
        String upFlow = infos[infos.length - 3];
        String downFlow = infos[infos.length - 2];

        outK.set(phone);
        outV.setUpFlow(Long.parseLong(upFlow));
        outV.setDownFlow(Long.parseLong(downFlow));
        outV.setSumFlow();

        context.write(outK, outV);
    }
}

3.Reducer

Reducer的输入输出：<Text, FlowBean>-><Text, FlowBean>

Reducer的逻辑：将电话号码相同的流量描述对象进行统计求和，每次reduce输出一个电话号码和一个流量描述总和。

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 sumUpFlow = 0;
        long sumDownFlow = 0;

        for (FLowBean value : values) {
            sumUpFlow += value.getUpFlow();
            sumDownFlow += value.getDownFlow();
        }

        outV.setUpFlow(sumUpFlow);
        outV.setDownFlow(sumDownFlow);
        outV.setSumFlow();

        context.write(key, outV);
    }
}

4.Driver

Driver仍然是固定的流程

public class FlowDriver {
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        job.setJarByClass(FlowDriver.class);

        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FLowReducer.class);

        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FLowBean.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FLowBean.class);

        FileInputFormat.setInputPaths(job, new Path("D:/input/inputflow"));
        FileOutputFormat.setOutputPath(job, new Path("D:/output/output"));

        boolean result = job.waitForCompletion(true);

        System.exit(result ? 0 : 1);
    }
}