MapReduce-Hadoop序列化

序列化相信大家都在Java中学习过。那么在Hadoop中有什么区别呢？

首先在Java中，我们是将数据转化成字节码文件，这样无论什么样的机器，通过同样的反序列化操作，都能得到我们的数据。但是在Java中，我们实现的Serializable接口，在输出的字节码文件中，还会加上一些校验信息。

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），采取了一种轻量级的校验方式。提高了运行的效率。

Hadoop的序列化的优点：

（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

上述的数据类型都是可以直接进行序列化的。那么如果是我们自定义的Bean类呢？

如同Java中一般，我们自定义的Bean类需要继承Serializable接口，那么我们在Hadoop的框架下，我们需要继承Hadoop的序列化接口（Writerable）

在Hadoop中，我们实现序列化需要完成下述步骤：

（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

（4）重写反序列化方法

（5）注意反序列化的顺序和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()，可用"t"分开，方便后续用。

（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。

序列化Demo实操-统计每一个手机号的上行流量下行流量和总流量

 我们可以看到在需求中，我们的Key应当为手机号，我们需要的是后面的上行流量和下行流量。

由于在数据中没有给出总流量，那么我们需要在创建Bean时，自行添加。则此时的Val就是Bean。其中包含三个流量即可。

Bean

package com.zc.mapreduce.Writable;

import org.apache.hadoop.io.Writable;

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


public class FlowBean implements Writable {
    private long upFlow;//上行流量
    private long downFlow;//下行
    private long sumFlow;//总

    public FlowBean(long upFlow, long downFlow) {
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = upFlow + downFlow;
    }

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

    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();
    }
}

Mapper

package com.zc.mapreduce.Writable;

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

import java.io.IOException;


public class phoneMapper extends Mapper {
    private Text text = new Text();
    private FlowBean fb = new FlowBean();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //获取一行
        String string = value.toString();
        String[] split = string.split("t");//拿1 4 5
        //由于数据中有的有空格，所以会出现问题
        //循环写出
        text.set(split[1]);
        //fb = new FlowBean(Long.parseLong(split[length-3]),Long.parseLong(split[length-2]));
        fb.setUpFlow(Long.parseLong(split[split.length-3]));
        fb.setDownFlow(Long.parseLong(split[split.length-2]));
        fb.setSumFlow();
        context.write(text,fb);

    }
}

Reducer

package com.zc.mapreduce.Writable;

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


import java.io.IOException;


public class phoneReducer extends Reducer {
    private FlowBean fb =new FlowBean();
    @Override
    protected void reduce(Text key, Iterable values, Reducer.Context context) throws IOException, InterruptedException {
        //让不同的flowbean组合
        Long upflow = 0l;
        Long downflow = 0l;
        for (FlowBean value : values) {
            upflow += value.getUpFlow();
            downflow += value.getDownFlow();
        }
       // fb = new FlowBean(upflow,downflow); 节约资源
        fb.setUpFlow(upflow);
        fb.setDownFlow(downflow);
        fb.setSumFlow();
        context.write(key,fb);
    }
}

Driver

package com.zc.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 phoneDriver {
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        //初始化
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
        //jar包
        job.setJarByClass(phoneDriver.class);
        //设置匹配的mapper和reducer
        job.setMapperClass(phoneMapper.class);
        job.setReducerClass(phoneReducer.class);
        //指定mapper的kv
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);
        //指定reducer的kv
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
        //设置输入输出路径
        //FileInputFormat.setInputPaths(job, new Path("E:\HDFS\phone"));
        //FileOutputFormat.setOutputPath(job, new Path("E:\HDFSout\phone"));
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        FileOutputFormat.setOutputPath(job,new Path(args[1]));
        //提交任务
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

完成！注意导包不要出错！