2.MapReduce序列化—实现序列化接口、序列化案例实战

news/2024/5/20 4:03:04 标签: hdfs, hadoop, mapreduce

本文目录如下:

  • 第二章 MapReduce序列化案例
    • 2.1 自定义FloBean对象实现序列化接口(`Writable`)
    • 2.2 序列化案例实操
      • 2.3.1 需求
      • 2.3.2 需求分析
      • 2.3.3 编写MapReduce程序

第二章 MapReduce序列化案例

2.1 自定义FloBean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
public class FlowBean implements Writable {
	...
}
  • (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
public FlowBean() {
	super();
}
  • (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);
}
  • (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();
}
  • (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。
@Override
public int compareTo(FlowBean o) {
	// 倒序排列,从大到小
	return this.sumFlow > o.getSumFlow() ? -1 : 1;
}

2.2 序列化案例实操

2.3.1 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。

  • (1) 输入数据
    phone_data.txt文件中输入数据。
  • (2) 输入数据格式:
    在这里插入图片描述
  • (3) 期望输出数据格式
    在这里插入图片描述

2.3.2 需求分析

在这里插入图片描述

2.3.3 编写MapReduce程序

  • (1) 编写流量统计的Bean对象
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() {

    }

    @Override
    public String toString() {
        return upFlow + "\t" + downFlow +  "\t" + sumFlow;
    }

    public void setFlow(long upFlow, long downFlow) {
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = upFlow + downFlow;
    }

    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;
    }

    /*
    * 序列化方法
    * @Param out 框架给我们提供的数据出口
    * */
    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeLong(upFlow);
        dataOutput.writeLong(downFlow);
        dataOutput.writeLong(sumFlow);
    }

    /*
     * 反序列化方法
     * @Param in 框架给我们提供的数据l来源
     * */
    @Override
    public void readFields(DataInput dataInput) throws IOException {
        upFlow = dataInput.readLong();
        downFlow = dataInput.readLong();
        sumFlow = dataInput.readLong();
    }
}
  • (2) 编写Mapper
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();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String[] fields = value.toString().split("\t");
        String phone = fields[1];
        long upFlow = Long.parseLong(fields[fields.length - 3]);
        long downFlow = Long.parseLong(fields[fields.length - 2]);

        outK.set(phone);
        outV.setFlow(upFlow, downFlow);
        context.write(outK, outV);
    }
}
  • (3) 编写Reducer
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;

public class WcReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    int sum;
    private IntWritable total = new IntWritable();

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {

        // 1 累加求和
        int sum = 0;
        for (IntWritable value : values) {
            sum += value.get();
        }

        // 2 包装结果并输出
        total.set(sum);
        context.write(key, total);
    }
}

  • (4) 编写Driver驱动类
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 {

        // 1 获取配置信息以及封装任务
        Job job = Job.getInstance(new Configuration());

        // 2 设置jar加载路径
        job.setJarByClass(FlowDriver.class);

        // 3 设置map和reduce类
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.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]));

        // 7 提交
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

声明:本文是学习时记录的笔记,如有侵权请告知删除!
原视频地址:https://www.bilibili.com/video/BV1Me411W7PV


http://www.niftyadmin.cn/n/1743764.html

相关文章

1.Scala基础—数据类型、标准输入、类和对象、分支循环、函数、匿名函数、高阶函数

本文目录如下&#xff1a;第一章 Scala基础1.0 前言1.1 数据类型1.2 Hello World1.2 键盘标准输入1.3 类和对象、伴生类和伴生对象1.4 分支循环1.4.1 if else1.4.2 for,while,do...while1.5 函数1.5.1 Scala函数的定义1.5.2 包含参数默认值的函数1.5.3 可变参数个数的函数1.6 匿…

2.Scala基础—字符串、数组、二维数组、Scala常用Array函数

本文目录如下&#xff1a;第二章 Scala字符串2.1 String2.2 StringBuilder可变2.3 String操作方法举例第三章 数组3.1 创建数组3.2 Scala常用Array函数第二章 Scala字符串 2.1 String 2.2 StringBuilder可变 2.3 String操作方法举例 比较: equals比较忽略大小写: equalslgn…

3.Scala基础—集合(List、Set、Map、元组Tuple)

本文目录如下&#xff1a;第四章 集合4.1 List4.1.1 创建list4.1.2 list遍历4.1.3 list方法举例4.2 Set4.2.1 创建Set4.2.2 遍历Set4.2.3 Set方法举例4.3 Map4.3.1 创建Map4.3.2 获取Map的值4.3.3 遍历Map4.3.4 合并Map4.3.5 Map方法举例4.3.6 可变长度Map4.4 元组Tuple4.4.1. …

4.Scala基础—Trait (特质)、模式匹配、偏函数 Collect

本文目录如下&#xff1a;第五章 Trait (特质)5.1 概念5.2 具体写法5.2.1.trait中带属性带方法实现第六章 模式匹配6.1 概念6.2 具体写法6.3 注意点第七章 偏函数(Collect)第五章 Trait (特质) 5.1 概念 Scala中Trait(特质)相当于Java的接口&#xff0c;实际上它比接口还功能…

5.Scala基础—样例类、隐式转换、Actor Model

本文目录如下&#xff1a;第八章 样例类&#xff08;Case Classes&#xff09;8.1 概念8.2 具体写法第九章 隐式转换&#xff08;重要&#xff09;9.1 概念9.2 隐式值与隐式参数9.2.1 注意点9.2.2 具体方法9.3 隐式转换函数9.3.1 注意点9.3.2 具体写法9.4 隐式类9.4.1 注意点9.…

1.Spark基础—核心模块、快速上手、WordCount案例开发、部署模式对比、端口号汇总

本文目录如下&#xff1a;前言 Spark核心模块第1章 Spark快速上手1.1 安装环境变量1.2 创建Maven项目1.2.1 增加Scala组件1.2.2 增加依赖关系1.3 编写WordCount代码1.4 部署模式对比1.5 端口号前言 Spark核心模块 Spark是一种基于内存的快速、通用、可扩展的大数据分析计算引擎…

2.Spark基础—Linux环境下安装Spark环境、本地模式、独立部署模式、配置历史服务器、配置高可用

本文目录如下&#xff1a;第2章 Linux环境下安装Spark环境2.1 虚拟机环境准备2.2 安装Spark2.2.1 进入到Spark安装包路径下2.3.2 解压安装文件到/opt/module下面2.2.3 查看是否解压成功2.3 运行模式-本地模式2.3.1 执行WorkCount案例2.3.2 提交应用2.4 运行模式—独立部署模式(…

1.Zookeeper基础—工作机制、特点、数据结构、提供的服务

本文目录如下&#xff1a;第1章 Zookeeper基础1.1 Zookeeper工作机制1.2 Zookeeper特点1.3 数据结构1.4 Zookeeper提供的服务1.4.1 统一命名服务1.4.2 统一配置管理1.4.3 统一集群管理1.4.4 服务器动态上下线1.4.5 软负载均衡注: 博主学习 Zppkeeper 主要是为了配置 Spark集群高…