hadoop学习第四天-Writable和WritableComparable序列化接口的使用&&MapReduce中传递javaBean的简单例子

一、 为什么javaBean要继承Writable和WritableComparable接口？

1. 如果一个javaBean想要作为MapReduce的key或者value，就一定要实现序列化，因为在Map到Reduce阶段的时候，只能是传输二进制数据，不可能将字符流直接进行RPC传输，

只要一个javabean实现了序列化和反序列化，就可以做为key或者value

最简单的序列化和反序列化就是实现Writable接口

ps：javaBean在作为key的时候有点不同，除了要继承Writable接口还需要实现Comparable接口

因为在shuffle到Reduce阶段的合并阶段，需要根据key对数据进行排序，合并，如果不实现这个接口，运行时会出错

WritableComparable就是Writable接口和java.lang.Comparable<T>的一个子接口，所以将要作为key的javaBean直接继承WritableComparable就可以了

2. java序列化与Writable序列化的比较

2.1 java序列化不够灵活，为了更好的控制序列化的整个流程所以使用Writable

2.2 java序列化不符合序列化的标准，没有做一定的压缩，java序列化首先写类名，然后再是整个类的数据，而且成员对象在序列化中只存引用，成员对象的可以出现的位置很随机，既可以在序列化的对象前，也可以在其后面，这样就对随机访问造成影响，一旦出错，整个后面的序列化就会全部错误

2.3 Java序列化每次序列化都要重新创建对象，内存消耗大，而Writable是可以重用的

二、 实现Writable和WritableComparable的UserBean

代码如下：

package com.qjx.serialize_8_2;

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

import org.apache.hadoop.io.WritableComparable;

public class UserBean implements WritableComparable<UserBean> {
    
    private int id;
    private String name ;
    private String age;
    
    public UserBean() {
    }
    
    public UserBean(int id,String name , String age) {
        this.id = id;
        this.name = name;
        this.age = age;
    }
    
    @Override
    public String toString() {
        return this.id + this.name + this.age;
    }

    //反序列化，将输入二进制反序列化为字符流
    @Override
    public void readFields(DataInput in) throws IOException {
        id = in.readInt();
        name = in.readUTF();
        age = in.readUTF();
    }
    
    //序列化，将字节转化为二进制输出
    @Override
    public void write(DataOutput out) throws IOException {
        out.writeInt(id);
        out.writeUTF(name);
        out.writeUTF(age);
    }

    @Override
    public int compareTo(UserBean o) {
         int thisValue = this.id;
         int thatValue = o.id;
         return (thisValue < thatValue ? -1 : (thisValue==thatValue ? 0 : 1));
    }

    public int getId() {
        return id;
    }

    public void setId(int id) {
        this.id = id;
    }

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public String getAge() {
        return age;
    }

    public void setAge(String age) {
        this.age = age;
    }
}

三、 MapReduce传递UserBean的一个简单例子

我们已经实现了可序列化的UserBean类，现在就做一个简单的例子，在MapReduce中传递UserBean

1. 准备一个文件user.txt，内容如下：

1 'tom' '22',2 'tom2' '22',3 'tom3' '22',4 'tom4' '22',5 'tom5' '22',6 'tom6' '22',7 'tom7' '22',8 'tom8' '22',9 'tom9' '22',10 'tom10' '22',11 'tom11' '22',12 'tom12' '22',13 'tom13' '22',1 'tom' '22',1 'tom' '22',2 'tom2' '22',2 'tom2' '22',

这个文件中有多个UserBean，我们的MapReduce就是要实现统计这些UserBean出现的次数

2. WCMapper.java的实现代码：

package com.qjx.serialize_8_2;

import java.io.IOException;

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

/*  
 * Writable接口是一个实现了序列化协议的序列化对象。 
 * 在Hadoop中定义一个结构化对象都要实现Writable接口，使得该结构化对象可以序列化为字节流，字节流也可以反序列化为结构化对象。 
 * LongWritable类型:Hadoop.io对Long类型的封装类型 
 */  

public class WCMapper extends Mapper<LongWritable, Text, UserBean, LongWritable>{

	@Override
	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, UserBean, LongWritable>.Context context)
			throws IOException, InterruptedException {
		
        // 获得每行文档内容，并且进行折分  
        String[] users = value.toString().split(",");
        
        // 遍历折份的内容  
        System.out.println(users.length);
        for (String u1 : users) {
     		   //根据空格划分为三个属性
     		String[] u = u1.toString().split(" ");
     		System.out.println(u.length);
     		if(u!=null && u.length== 3) {
	     		UserBean u2 = new UserBean(Integer.parseInt(u[0]),u[1],u[2]);
		     	context.write(u2, new LongWritable(1));
	     	}
	     	else {
	     		System.out.println("user split false !");
	     	}
		}
	}
}

3. WCReducer.java实现代码：

package com.qjx.serialize_8_2;

import java.io.IOException;

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

import com.qjx.serialize_8_2.UserBean;

public class WCReducer extends Reducer<UserBean, LongWritable, UserBean, LongWritable>{

    @Override
    protected void reduce(UserBean key, Iterable<LongWritable> values,
            Reducer<UserBean, LongWritable, UserBean, LongWritable>.Context context) throws IOException, InterruptedException {
        
        long sum = 0;      
            for (LongWritable i : values) {
                // i.get转换成long类型  
                sum += i.get();  
            }
            // 输出总计结果  
            context.write(key, new LongWritable(sum));  
    }
}

4. UserCount.java 的实现代码：

package com.qjx.serialize_8_2;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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 UserCount {

    public static void main(String[] args) throws ClassNotFoundException, IOException, InterruptedException {
          // 创建job对象  
        Job job = Job.getInstance(new Configuration());  
        // 指定程序的入口  
        job.setJarByClass(UserCount.class);  
  
        // 指定自定义的Mapper阶段的任务处理类  
        job.setMapperClass(WCMapper.class);  
        job.setMapOutputKeyClass(UserBean.class);  
        job.setMapOutputValueClass(LongWritable.class);
        // 本地数据的输入路径
        FileInputFormat.setInputPaths(job, new Path("E:/trainingPack/serialize/input"));  
  
        // 指定自定义的Reducer阶段的任务处理类  
        job.setReducerClass(WCReducer.class);  
        // 设置最后输出结果的Key和Value的类型  x    
        job.setOutputKeyClass(UserBean.class);  
        job.setOutputValueClass(LongWritable.class);  
        // 将计算的结果存到本地
        FileOutputFormat.setOutputPath(job, new Path("E:/trainingPack/serialize/output"));  
  
        // 执行提交job方法，直到完成，参数true打印进度和详情  
        job.waitForCompletion(true);  
        System.out.println("Finished");  
    }
}

5. 执行结果，生成的output内容如下：

1'tom''22'    3
2'tom2''22'    3
3'tom3''22'    1
4'tom4''22'    1
5'tom5''22'    1
6'tom6''22'    1
7'tom7''22'    1
8'tom8''22'    1
9'tom9''22'    1
10'tom10''22'    1
11'tom11''22'    1
12'tom12''22'    1
13'tom13''22'    1