000009 - Hadoop序列化

Hadoop序列化

  • [1. 序列化概述](#1. 序列化概述)
  • [2. 自定义 bean 对象实现序列化接口(Writable)](#2. 自定义 bean 对象实现序列化接口(Writable))
  • [3. 序列化案例](#3. 序列化案例)
      • [3.1 需求](#3.1 需求)
      • [3.2 需求分析](#3.2 需求分析)
      • [3.3 代码实现](#3.3 代码实现)

1. 序列化概述

1)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。

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。
2)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。
3)为什么不用 Java 的序列化

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)。
4)Hadoop 序列化特点:

(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

2. 自定义 bean 对象实现序列化接口(Writable)

在企业开发中往往常用的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,那么该对象就需要实现序列化接口。具体实现 bean 对象序列化步骤如下 7 步。

(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

java 复制代码
public FlowBean() {
  super();
}

(3)重写序列化方法

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

(4)重写反序列化方法

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

(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。详见后面排序案例。

java 复制代码
@Override
public int compareTo(FlowBean o) {
// 倒序排列,从大到小
return this.sumFlow > o.getSumFlow() ? -1 : 1;
}

3. 序列化案例

3.1 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,phone_data .txt如下, 每一列分别对应id,手机号码,网络 ip,上行流量,下行流量,网络状态码

txt 复制代码
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

(3)期望输出数据格式, 每一列依次是手机号码 上行流量 下行流量 总流量

txt 复制代码
13560436666 1116 954 2070

3.2 需求分析

1、需求:统计每一个手机号耗费的总上行流量、下行流量、总流量

2、输入数据格式

txt 复制代码
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

txt 复制代码
13560436666 1116 954 2070
手机号码 上行流量 下行流量 总流量

4、Map阶段

(1)读取一行数据,切分字段

(2)抽取手机号、上行流量、下行流量

(3)以手机号为key,bean对象为value输 出,即context.write(手机号,bean);

5、Reduce阶段

(1)累加上行流量和下行流量得到总流量。
(4)bean对象要想能够传输,必须实现序列化接口

3.3 代码实现

参考这里

相关推荐
币须赢1 小时前
英伟达Thor芯片套件9月发货 “物理AI”有哪些?
大数据·人工智能
lily363926046a1 小时前
智联未来 点赋科技
大数据·人工智能
学习中的阿陈2 小时前
Hadoop伪分布式环境配置
大数据·hadoop·分布式
程序员小羊!2 小时前
大数据电商流量分析项目实战:Spark SQL 基础(四)
大数据·sql·spark
CesareCheung2 小时前
JMeter分布式压力测试
分布式·jmeter·压力测试
失散134 小时前
分布式专题——10.5 ShardingSphere的CosID主键生成框架
java·分布式·架构·分库分表·shadingsphere
TDengine (老段)4 小时前
TDengine 特殊函数 MODE() 用户手册
大数据·数据库·物联网·时序数据库·iot·tdengine·涛思数据
xiaofan6720136 小时前
大数据与财务管理专业如何转型做金融科技?
大数据·科技·金融
kaomiao20256 小时前
空间信息与数字技术和传统GIS专业有何不同?
大数据·信息可视化·数据分析
IT研究室7 小时前
大数据毕业设计选题推荐-基于大数据的健康与生活方式数据可视化分析系统-Spark-Hadoop-Bigdata
大数据·hadoop·spark·毕业设计·源码·数据可视化·bigdata