Hadoop | MapReduce学习笔记（二）Hadoop序列化操作 | 案例 | 封装map和reduce操作的value类型

文章目录

参考资料一、预备知识

1.1 序列化定义1.2 Hadoop序列化的目的1.3 Hadoop为什么不采用Java原生序列化1.4 Hadoop 序列化特点二、使用案例

2.1 自定义序列化对象2.2 Mapper阶段2.3 Reducer 阶段2.4 Driver 阶段 + 运行测试

参考资料

视频资料

一、预备知识

1.1 序列化定义

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。

1.2 Hadoop序列化的目的

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。

1.3 Hadoop为什么不采用Java原生序列化

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制（Writable）。

1.4 Hadoop 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：支持多语言的交互二、使用案例

需求：统计一个手机耗费的总上行流量、总下行流量、总流量

测试数据：
phon_data.txt

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

输入的数据格式

7 	13560436666	120.196.100.99		1116		 954			200
id	手机号码		网络ip			上行流量  下行流量     网络状态码

期望输出数据格式：

13560436666 		1116		      954 			2070
手机号码		    上行流量        下行流量		总流量

2.1 自定义序列化对象

package com.uni.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;  // 下行流量
    private long sumFlow;   // 总流量

    // 无参构造
    public FlowBean(){}

    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.upFlow + this.downFlow;
    }

    @Override
    public void write(DataOutput out) throws IOException {
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }

    @Override
    public void readFields(DataInput in) throws IOException {
        this.upFlow = in.readLong();
        this.downFlow = in.readLong();
        this.sumFlow = in.readLong();
    }

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

2.2 Mapper阶段

package com.uni.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 {
    private Text outputKey = new Text();
    private FlowBean outputValue = new FlowBean();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1.获取一行  7 	13560436666	120.196.100.99		1116		 954			200
        String line = value.toString();
        // 2.切割成 [7,13560436666,120.196.100.99,1116,954,200]
        String[] split = line.split("t");
        // 3. 获取想要的数据: 手机号 13560436666, 上行流量和下行流量: 1116、954
        String phone = split[1];
        // 顺序的话数据有残缺，故逆序取上行、下行流量
        String up = split[split.length - 3];
        String down = split[split.length - 2];

        // 4. 封装
        outputKey.set(phone);
        outputValue.setUpFlow(Long.parseLong(up));
        outputValue.setDownFlow(Long.parseLong(down));
        outputValue.setSumFlow();
        // 5. 写出
        context.write(outputKey, outputValue);
    }
}

2.3 Reducer 阶段

package com.uni.writable;

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

import java.io.IOException;


public class FlowReducer extends Reducer {
    private FlowBean outputValue = new FlowBean();
    @Override
    protected void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {
        // 1. 遍历集合，累加上下行流量
        long totalUp = 0;
        long totalDown = 0;
        for (FlowBean value : values) {
            totalUp += value.getUpFlow();
            totalDown += value.getDownFlow();
        }
        // 2. 封装 outputKey，outputValue
        outputValue.setUpFlow(totalUp);
        outputValue.setDownFlow(totalDown);
        outputValue.setSumFlow();

        // 3. 写出
        context.write(key, outputValue);
    }
}

2.4 Driver 阶段 + 运行测试

package com.uni.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 {
        // 1. 创建连接
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
        // 2. 设置jar
        job.setJarByClass(FlowDriver.class);
        // 3. 关联 Mapper 、Reducer
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);
        // 4. 设置 mapper的输出值 kv类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);
        // 5. 设置 最终的输出值 kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        // 6. 设置数据的输入路径和输出路径
        FileInputFormat.setInputPaths(job, new Path("input"));
        FileOutputFormat.setOutputPath(job, new Path("output"));
        // 7. 提交Job
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

本地运行结果：

Hadoop | MapReduce学习笔记（二）Hadoop序列化操作 | 案例 | 封装map和reduce操作的value类型

大数据系统相关栏目本月热门文章