| Hadoop之Mapreduce序列化 | 您所在的位置：网站首页 › mapreduce kmeans › Hadoop之Mapreduce序列化 |
Hadoop之Mapreduce序列化
|
目录
什么是序列化： 什么是反序列化： 为什么要序列化： Java的序列化： Hadoop序列化: 自定义序列化接口： 实现序列化的步骤： 先看源码进行简单分析： 序列化案例实操： 案例需求： （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： 编写MapperReduce程序： 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： 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 （3）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 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 { 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.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 { private FlowBean outv=new FlowBean(); @Override protected void reduce(Text key, Iterable values, Reducer.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
|
【本文地址】