Java Map 序列化并存入redis中数据太大了 mapreduce序列化与反序列化

转载

mob6454cc7c0428 2023-12-07 14:33:27

文章标签 hadoop big data mapreduce 序列化 Text 文章分类 Java 后端开发

文章目录

序列化的概念
Hadoop有时需要进行自定义序列化和反序列的原因：
为什么不用Java的序列化
通过案例讲解序列化

案例
案例代码思路：
序列化和反序列化的步骤：
案例代码

写在最后的话

序列化的概念

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。

Hadoop有时需要进行自定义序列化和反序列的原因：

Hadoop的MapReduce框架中，只允许Key-Value键值对的流通和处理。而有时，数据处理的需求中，需要用到多个数据。故需要将所需的多个数据封装成一个类，用来当作键值对中的Value，而数据在MapReduce框架中的交互和流通就需要对封装的类进行序列化和反序列化

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）。

通过案例讲解序列化

案例

这里有一个文档，里面有每个用户的流量的使用情况，里面有上行流量和下行流量和访问的网站。
现在要求：
统计每个用户的流量使用情况，求总流量。
现在流量文档如下

1	13736230513	192.196.100.1	www.baidu.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.baidu.com	1527	2106	200
6 	84188413	192.168.100.3	www.baidu.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

最后的两列为上行流量和下行流量。

案例代码思路：

案例需求：
1)统计每个手机号访问流量。
2需求要求统计上行流量和下行流量之和。
需要的数据为：①手机号 ②上行流量③下行流量
返回的结果的数据为：①手机号 ②上行流量③下行流量
综上可以发现：
上面的需求结果需要三个数据，而在Hadoop中的MapReduce的过程中，只有Key-Value键值对的流通和处理方法。
故需要对数据进行封装，使其满足Hadoop中MapReduce的框架要求。所以我们需要自定义序列化和反序列化
观察原数据文件得：
1）手机号会用重复
2）访问的站点可能会有空数据
3）每个数据之间的分隔符为**\t**

序列化和反序列化的步骤：

1、自定义类型Writable接口
2、重写序列化和发序列化
3、重写空参构造
4、toString方法重新

案例代码

自定义序列化和反序列化的类

package com.mapreducer.selfSerialization;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 * @author 杨铭
 * 2022/4/17,23:04
 */

/**
 * 1、自定义类型Writable接口
 * 2、重写序列化和发序列化
 * 3、重写空参构造
 * 4、toString方法重新
 */
public class FlowBean implements Writable {
    private long upFlow;
    private long downFlow;
    private long sumFlow;

    public long getSumFlow() {
        return sumFlow;
    }

    public void setSumFlow() {
        this.sumFlow = this.upFlow + this.downFlow;
    }

    public FlowBean() {
    }


    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;
    }

    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeLong(upFlow);
        dataOutput.writeLong(downFlow);
        dataOutput.writeLong(sumFlow);
    }

    @Override
    public void readFields(DataInput dataInput) throws IOException {
        this.upFlow = dataInput.readLong();
        this.downFlow = dataInput.readLong();
        this.sumFlow = dataInput.readLong();
    }

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

处理过程的Map类

package com.mapreducer.selfSerialization;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * @author 杨铭
 * 2022/4/17,23:11
 */
/**
 * Mapper类中，输入kv格式为（位偏移量-每一行文本）
 * Mapper类中的输出KV格式为（电话号码-号码对应信息）
 * 这里将电话号码当作Key的原因：在文本之中可能有重复。
 */
public class FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
    private Text outKey = new Text();
    private FlowBean outValue = new FlowBean();

    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {
        //获取一行
        String line = value.toString();
        //将数据分割
        String[] split = line.split("\t");
        String phone = split[1];
        //观察数据，发现上行流量和下行流量的位置
        int length = split.length;
        String up = split[length - 3];
        String down = split[length - 2];
        //将电话号码当作Key
        outKey.set(phone);
        //封装流量
        outValue.setUpFlow(Long.parseLong(up));
        outValue.setDownFlow(Long.parseLong(down));
        outValue.setSumFlow();
        context.write(outKey, outValue);
    }
}

处理过程的Reduce类

package com.mapreducer.selfSerialization;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

/**
 * @author 杨铭
 * 2022/4/17,23:18
 */
/**
 * 接收和输出的KV (电话号码-封装好的数据)
 * **/
public class FlowReduce extends Reducer<Text, FlowBean, Text, FlowBean> {
    private FlowBean outValue = 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;
        for (FlowBean value : values) {
            totalUp += value.getUpFlow();
            totalDown += value.getDownFlow();
        }
        outValue.setUpFlow(totalUp);
        outValue.setDownFlow(totalDown);
        outValue.setSumFlow();
        context.write(key, outValue);
    }
}

Drivr类

package com.mapreducer.selfSerialization;

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;

/**
 * @author 杨铭
 * 2022/4/20,19:21
 */
public class FlowDrive {
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
        job.setJarByClass(FlowDrive.class);
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReduce.class);
        job.setMapOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);

    }
}