一、序列化概述
1.1 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)以便存储到磁盘(持久化)和网络传输。将内存中的对象以字节序列读取到内存，并构造成对应的对象。
反序列化 就是将收到的字节序列，转换成内存中的对象。
1.2 为什么要序列化
一般来说，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对象，可以把对象发送给其他计算机。
1.3 Java 如何实现序列化和反序列化
Java 实现序列化，可以实现序列化接口：Serializable；
也可以通过对象流 ObjectInputStream 写出和读取。
1.4 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，一个对象被序列化成字节序列后，会额外 附带很多的信息 (例如各种校验信息，Header，继承体系等)，不便于在网络中高效传输。所以hadoop自己实现了一套序列化机制。
Hadoop序列化的特点：
（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）可扩展：随着通信协议的升级而可升级
（4）互操作：支持多语言的交互
二、自定义bean对象实现序列化接口（Writable）
write（） 序列化方法
readFields：反序列化方法
在自定义的bean对象中，要想序列化，实现的步骤如下：
1、必须实现Writable接口
2、反序列化，需要反射调用空参构造函数，所以必须有无参构造。
public FlowBean() {
super();
}
复制代码3、重写序列化方法
@Override
public void write(DataOutput out) throws IOException {
out.writeLong(upFlow);
out.writeLong(downFlow);
out.writeLong(sumFlow);
}
复制代码4、重写反序列化方法
@Override
public void readFields(DataInput in) throws IOException {
upFlow = in.readLong();
downFlow = in.readLong();
sumFlow = in.readLong();
}
复制代码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。
7、如果需要把自定义的bean放在key中传输，则还需要实现Comparable接口，重写compareTo方法，因为MapReduce框架中的Shuffle股哦从要求对key必须能排序。
@Override
public int compareTo(FlowBean o) {
// 倒序排列，从大到小
return this.sumFlow > o.getSumFlow() ? -1 : 1;
}
复制代码三、序列化案例实操
3.1 需求
统计每个手机号的总上行流量、下行流量、总流量。
新建phone.txt，输入数据：
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
复制代码字段含义解析：
id 手机号 ip 网站 上行流量 下行流量 状态码
1 13736230513 192.196.100.1 www.atguigu.com 2481 24681 200
复制代码期待输出的数据格式为：
手机号 上行流量 下行流量 总流量
复制代码3.2 需求分析
map阶段按行读取内容，抽取出手机号、上行流量、下行流量。以手机号为key，bean对象为value输出。
reduce阶段累加流量得到总流量。
3.3 MapReduce程序
1、编写Bean对象
package xl;
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;
private long downFlow;
private long sumFlow;
//无参构造
public FlowBean() {
}
public FlowBean(long upFlow, long downFlow) {
this.upFlow = upFlow;
this.downFlow = downFlow;
this.sumFlow=upFlow+downFlow;
}
@Override
public String toString() {
return "FlowBean{" +
"upFlow=" + upFlow +
", downFlow=" + downFlow +
", sumFlow=" + sumFlow +
'}';
}
//序列化方法
public void write(DataOutput dataOutput) throws IOException {
dataOutput.writeLong(upFlow);
dataOutput.writeLong(downFlow);
dataOutput.writeLong(sumFlow);
}
//反序列化方法
public void readFields(DataInput dataInput) throws IOException {
this.upFlow=dataInput.readLong();
this.downFlow=dataInput.readLong();
this.sumFlow=dataInput.readLong();
}
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;
}
}
复制代码2、编写Mapper
public class FlowCountMapper extends Mapper<LongWritable, Text,Text,FlowBean> {
Text k = new Text();
FlowBean v = new FlowBean();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String s = value.toString();
String[] split = s.split("\t");
k.set(split[1]);//手机号码
v.setUpFlow(Long.parseLong(split[split.length-3]));
v.setDownFlow(Long.parseLong(split[split.length-2]));
context.write(k,v);
}
}
复制代码3、编写Reduce
public class FlowCountReducer extends Reducer<Text,FlowBean,Text,FlowBean> {
@Override
protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
int upSum=0;
int downSum=0;
for (FlowBean value : values) {
upSum+=value.getUpFlow();
downSum+=value.getDownFlow();
}
FlowBean flowBean=new FlowBean(upSum,downSum);
context.write(key,flowBean);
}
复制代码4、编写Driver
public class FlowCountDriver {
public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
args = new String[] { "D:/cs/writable/input", "D:/cs/writable/out4" };
//1、获取配置信息，或者job对象
Configuration entries = new Configuration();
Job job =Job.getInstance(entries);
//2、设置jar加载路径
job.setJarByClass(FlowCountDriver.class);
// 3 设置map和reduce类
job.setMapperClass(FlowCountMapper.class);
job.setReducerClass(FlowCountReducer.class);
// 4 设置map输出
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
// 5 设置最终输出kv类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
// 6 设置输入和输出路径
FileInputFormat.setInputPaths(job,new Path(args[0]));
FileOutputFormat.setOutputPath(job,new Path(args[1]));
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
复制代码最终结果展示：
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
![[桜井宁宁]COS和泉纱雾超可爱写真福利集-一一网](https://www.proyy.com/skycj/data/images/2020-12-13/4d3cf227a85d7e79f5d6b4efb6bde3e8.jpg)
![[桜井宁宁] 爆乳奶牛少女cos写真-一一网](https://www.proyy.com/skycj/data/images/2020-12-13/d40483e126fcf567894e89c65eaca655.jpg)
