博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
mapreduce中使用hadoop序列化
阅读量:2429 次
发布时间:2019-05-10

本文共 4647 字,大约阅读时间需要 15 分钟。

序列化概述

1.什么是序列化

序列化就是将对象转换为字节序列以便于存储到磁盘或网络传输。
反序列化就是将字节序列转换为对象的过程。

2.为什么要序列化

程序中的对象不能直接网络传输或者持久化,所以在跨主机通信和数据持久化的场景下就需要用到序列化。

3.为什么不用java原生序列化

java原生序列化是一个重量级的实现,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),不便于持久化和网络传输。所以Hadoop自己实现了一套序列化方案。

mapreduce中使用序列化

在mapreduce程序中当需传递自定义对象时,该对象需要实现序列化接口。下面以一个例子来讲解具体的使用。

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。

输入数据格式

手机号码,上行流量,下行流量13881743089,100,3430013655669078,34434,300......

期望输出格式

手机号码,总上行流量,总下行流量,总流量13881743089,4540,39300,43840‬......

实现代码

FlowBean.java

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; public FlowBean() {
super(); } public FlowBean(long upFlow, long downFlow) {
super(); this.upFlow = upFlow; this.downFlow = downFlow; this.sumFlow = upFlow + downFlow; } @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 {
//反序列化属性的顺序一定要与序列化时保持一致 this.upFlow = in.readLong(); this.downFlow = in.readLong(); this.sumFlow = in.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; } @Override public String toString() {
return upFlow +"," + downFlow +"," + sumFlow; }}

FlowMapper.java

public class FlowMapper extends Mapper
{
@Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String line = value.toString(); String[] fields = line.split(","); String phoneNumber = fields[0]; long upFlow = Long.parseLong(fields[1]); long downFlow = Long.parseLong(fields[2]); FlowBean flowBean = new FlowBean(upFlow, downFlow); context.write(new Text(phoneNumber), flowBean); }}

FlowReducer.java

public class FlowReducer extends Reducer
{
@Override protected void reduce(Text key, Iterable
values, Context context) throws IOException, InterruptedException {
long sum_upFlow = 0; long sum_downFlow = 0; for (FlowBean flowBean: values) {
sum_upFlow += flowBean.getUpFlow(); sum_downFlow += flowBean.getDownFlow(); } FlowBean result = new FlowBean(sum_upFlow,sum_downFlow); context.write(key, result); }}

FlowCount.java

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;public class FlowCount {
public static void main(String[] args) throws Exception {
Configuration configuration = new Configuration(); Job job = Job.getInstance(configuration); job.setJarByClass(FlowCount.class); job.setJobName("flowcount"); //设置文件输入输出路径 FileInputFormat.setInputPaths(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); //设置Mapper job.setMapperClass(FlowMapper.class); job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(FlowBean.class); //设置Reducer job.setReducerClass(FlowReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(FlowBean.class); job.setNumReduceTasks(1); job.waitForCompletion(true); }}

pom.xml

org.apache.hadoop
hadoop-client
2.6.5
org.apache.hadoop
hadoop-common
2.6.5

输入文件

[root@master software]# cat flow.txt 13881743089,100,3430013655669078,34434,30018677563354,3443,320913881743089,109,330013655669078,3434,230

打包,并提交到集群运行

yarn jar mapreduce-1.0-SNAPSHOT.jar cn.aiaudit.flow.FlowCount /input/flow.txt /output

结果文件

[root@master software]# hdfs dfs -text  /output/part-r-0000013655669078     37868,530,3839813881743089     209,37600,3780918677563354     3443,3209,6652

转载地址:http://jecmb.baihongyu.com/

你可能感兴趣的文章
Web 全栈全端技术体系与软件四层结构-CSDN公开课-专题视频课程
查看>>
AI学习挑战直播课:成功案例分享及行业趋势分析-CSDN公开课-专题视频课程
查看>>
【UI/UE设计师】banner设计原则-CSDN公开课-专题视频课程
查看>>
大数据智能:金融行业用户画像实践教程-CSDN公开课-专题视频课程
查看>>
自然语言处理实战——LSTM情感分析-CSDN公开课-专题视频课程
查看>>
Gin使用的json包
查看>>
Gin的路由
查看>>
golang函数传参中可变参数和切片相互转化
查看>>
如何安全地退出goroutine
查看>>
context.Context
查看>>
优先队列
查看>>
redis深度历险学习笔记--基础与应用篇
查看>>
单链表翻转
查看>>
检查表达式中的括号是否匹配
查看>>
一道关于 goroutine 的面试题
查看>>
信号量的使用方法
查看>>
Redis 缓存穿透、击穿、雪崩
查看>>
RabbitMQ(1): docker-compose安装rabbitmq及简单使用Hello World
查看>>
leetcode 525. 连续数组
查看>>
利用序列化实现对象的拷贝
查看>>