Hadoop序列化

Hadoop序列化

1.1 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。

1.2 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（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）或者是硬盘的持久化数据，转换成内存中的对象。

1.3 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），精简、高效。

1.4 为什么序列化对Hadoop很重要？

因为Hadoop在集群之间进行通讯或者RPC调用的时候，需要序列化，而且要求序列化要快，且体积要小，占用带宽要小。所以必须理解Hadoop的序列化机制。序列化和反序列化在分布式数据处理领域经常出现：进程通信和永久存储。然而Hadoop中各个节点的通信是通过远程调用（RPC）实现的，那么 RPC序列化要求具有以下特点：

1）紧凑：紧凑的格式能让我们能充分利用网络带宽，而带宽是数据中心最稀缺的资源

2）快速：进程通信形成了分布式系统的骨架，所以需要尽量减少序列化和反序列化的性能开销，这是基本的；

3）可扩展：协议为了满足新的需求变化，所以控制客户端和服务器过程中，需要直接引进相应的协议，这些是新协议，原序列化方式能支持新的协议报文；

4）互操作：能支持不同语言写的客户端和服务端进行交互；

1.5 常用数据序列化类型

Java类型	Hadoop Writable类型
boolean	BooleanWritable
byte	ByteWritable
int	IntWritable
float	FloatWritable
double	DoubleWritable
string	Text
map	MapWritable
array	ArrayWritable
long	LongWritable

1.6 自定义bean对象实现序列化接口（Writable）

1）自定义bean对象要想序列化传输，必须实现序列化接口，需要注意以下7项。

 // 1 必须实现Writable接口

public class FlowBean implements Writable {

private long upFlow;

private long downFlow;

private long sumFlow;

//2 反序列化时，需要反射调用空参构造函数，所以必须有

public FlowBean() {

     super();

   }

/**

* 3重写序列化方法

* @param out

* @throws IOException

*/

 

@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

* 5 注意反序列化的顺序和序列化的顺序完全一致

* @param in

* @throws IOException

*/

@Override

public void readFields(DataInput in) throws IOException {

      upFlow = in.readLong();

      downFlow = in.readLong();

      sumFlow = in.readLong();

}

// 6要想把结果显示在文件中，需要重写toString()，且用”\t”分开，方便后续用

@Override

public String toString() {

       return upFlow + "\t" + downFlow + "\t" + sumFlow;

 

}

//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过程一定会对key进行排序

@Override

public int compareTo(FlowBean o) {

// 倒序排列，从大到小

     return this.sumFlow > o.getSumFlow() ? -1 : 1;

     }

}

（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

（3）重写序列化方法

（4）重写反序列化方法

（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()，且用”\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过程一定会对key进行排序

2）案例实操

详见统计每一个手机号耗费的总上行流量、下行流量、总流量（序列化）。