石家庄营销型网站建设公司,莱芜网页制作公司,卖东西的平台有哪些,网站优化师负责干什么文章目录 #xff08;79#xff09;MR序列化概述#xff08;80#xff09;自定义序列化步骤#xff08;81#xff09;序列化案例需求分析#xff08;82#xff09;序列化案例代码参考文献 #xff08;79#xff09;MR序列化概述
什么是序列化#xff0c;什么是反序… 文章目录 79MR序列化概述80自定义序列化步骤81序列化案例需求分析82序列化案例代码参考文献 79MR序列化概述
什么是序列化什么是反序列化
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。
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。
为什么要序列化呢 因为存活在内存里的对象关机断电之后就没有了要持久化保存的话必须先序列化 本地内存里的对象只能供本地进程使用如果想发送到另外一台计算机上使用也必须先序列化。
那两台节点之间的内存数据传输具体可以怎么做呢。
需要先序列化节点A中需要传输的内存数据然后将序列化的结果传输到节点B中然后节点B进行一个加载反序列化到内存就实现了不同节点间内存到内存的数据传输。
为什么不用java自带的序列化而是Hadoop自己有一套序列化呢
原因很简单java的序列化中待传输数据块后面都是跟了一大堆校验信息的。这对Hadoop来讲有些过于繁重了不便于在网络中高效传输Hadoop里可能并不需要这么多的校验位它只需要做简单校验就可以了。
基于这种需求Hadoop就自己搞了一套序列化。主要是为了轻量
Hadoop的这套序列化有什么好处呢
结构紧凑存储空间占用相对少传输快互操作性多种语言都可以反序列化竟然有这个使用需求么还。。。
80自定义序列化步骤
一般来讲Hadoop里提供的那几种序列化类型往往不能满足企业的要求这时候企业就需要自定义一个bean对象用于在Hadoop内部传递。
如果要自定义一个序列化对象的话需要实现Writable接口并重写以下方法
void write(DataOutput out); # 序列化
void readFields(DataInput in); # 反序列化注意序列化时元素的顺序要跟反序列化的顺序完全一致。这个很好理解相当于位置参数嘛
如
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 {upFlow in.readLong();downFlow in.readLong();sumFlow in.readLong();
}同时如果想把结果显示在文件里或者打印出来都需要重写toString()否则显示出来的是个内存地址值。
最后如果想把自定义的bean放在key中传输还需要实现Comparable接口因为Map阶段需要对数据做shuffle这意味着数据的key必须是能排序的。
Override
public int compareTo(FlowBean o) {// 倒序排列从大到小return this.sumFlow o.getSumFlow() ? -1 : 1;
}81序列化案例需求分析
需求案例统计每个手机号耗费的总上行流量、总下行流量和总流量。
输入数据是每个手机号对每个网站的流量消耗情况。
输出数据是每个手机号的总上行流量、总下行流量和总流量。
需求设计的重点在于明确map阶段输入输出的KV类型reduce阶段输入输出的KV类型。
其中map阶段输入的KV类型不需要操心K相当于就是行号V就是每行的内容
而map阶段输出的KV跟reduce阶段输入的KV是一样的。
结合本次需求考虑到要聚合的是手机号所以map输出的K就应该设置成手机号而value就只能设置成一个bean对象包含了该条数据中的上行流量字段、下行流量字段以及加和得到的总流量。
以以上形式输入到reduce。
这里需要注意bean对象如果想在不同节点从map的节点传到reduce的节点传输就必须实现序列化接口。
82序列化案例代码
直接原样贴一下教程的代码这块仅做了解我也并没有实操主要是考虑结合代码可能更好理解原理所以还是在这里直接复制了。
1编写自定义Bean对象
package com.atguigu.mapreduce.writable;import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;//1 继承Writable接口
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//2 提供无参构造public FlowBean() {}//3 提供三个参数的getter和setter方法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.upFlow this.downFlow;}//4 实现序列化和反序列化方法,注意顺序一定要保持一致Overridepublic void write(DataOutput dataOutput) throws IOException {dataOutput.writeLong(upFlow);dataOutput.writeLong(downFlow);dataOutput.writeLong(sumFlow);}Overridepublic void readFields(DataInput dataInput) throws IOException {this.upFlow dataInput.readLong();this.downFlow dataInput.readLong();this.sumFlow dataInput.readLong();}//5 重写ToStringOverridepublic String toString() {return upFlow \t downFlow \t sumFlow;}
}2编写Mapper类
package com.atguigu.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 MapperLongWritable, Text, Text, FlowBean {private Text outK new Text();private FlowBean outV new FlowBean();Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {//1 获取一行数据,转成字符串String line value.toString();//2 切割数据String[] split line.split(\t);//3 抓取我们需要的数据:手机号,上行流量,下行流量String phone split[1];String up split[split.length - 3];String down split[split.length - 2];//4 封装outK outVoutK.set(phone);outV.setUpFlow(Long.parseLong(up));outV.setDownFlow(Long.parseLong(down));outV.setSumFlow();//5 写出outK outVcontext.write(outK, outV);}
}3编写Reducer类
package com.atguigu.mapreduce.writable;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;public class FlowReducer extends ReducerText, FlowBean, Text, FlowBean {private FlowBean outV new FlowBean();Overrideprotected void reduce(Text key, IterableFlowBean values, Context context) throws IOException, InterruptedException {long totalUp 0;long totalDown 0;//1 遍历values,将其中的上行流量,下行流量分别累加for (FlowBean flowBean : values) {totalUp flowBean.getUpFlow();totalDown flowBean.getDownFlow();}//2 封装outKVoutV.setUpFlow(totalUp);outV.setDownFlow(totalDown);outV.setSumFlow();//3 写出outK outVcontext.write(key,outV);}
}4编写Driver驱动类
package com.atguigu.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, ClassNotFoundException, InterruptedException {//1 获取job对象Configuration conf new Configuration();Job job Job.getInstance(conf);//2 关联本Driver类job.setJarByClass(FlowDriver.class);//3 关联Mapper和Reducerjob.setMapperClass(FlowMapper.class);job.setReducerClass(FlowReducer.class);//4 设置Map端输出KV类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(FlowBean.class);//5 设置程序最终输出的KV类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(FlowBean.class);//6 设置程序的输入输出路径FileInputFormat.setInputPaths(job, new Path(D:\\inputflow));FileOutputFormat.setOutputPath(job, new Path(D:\\flowoutput));//7 提交Jobboolean b job.waitForCompletion(true);System.exit(b ? 0 : 1);}
}参考文献
【尚硅谷大数据Hadoop教程hadoop3.x搭建到集群调优百万播放】
