这篇“Hadoop之Mapreduce序列化怎么实现”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Hadoop之Mapreduce序列化怎么实现”文章吧。
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。
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。
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。
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。
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<BinaryComparable>
跟进一下:
看到该接口继承自Comparable接口(这是Java中的一个API)
统计每一个手机号耗费的总上行流量、总下行流量、总流量
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)
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<LongWritable, Text,Text,FlowBean> { 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<LongWritable, Text, Text, FlowBean>.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 <Text,FlowBean,Text,FlowBean>{ private FlowBean outv=new FlowBean(); @Override protected void reduce(Text key, Iterable<FlowBean> values, Reducer<Text, FlowBean, Text, FlowBean>.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
以上就是关于“Hadoop之Mapreduce序列化怎么实现”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。