本文主要是介绍2.2.4 hadoop体系之离线计算-mapreduce分布式计算-MapReduce序列化和排序,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
目录
1.概念
2.需求分析
3.具体代码
3.1 自定义类型和比较器
3.2 Mapper
3.3 Reducer
3.4 Main入口
4.运行并查看结果
4.1 准备工作
4.2 打包jar
4.3 运行jar包,查看结果
1.概念
- 序列化 (Serialization) 是指把结构化对象转化为字节流
- 反序列化 (Deserialization) 是序列化的逆过程. 把字节流转为结构化对象. 当要在进程间传递对象或持久化对象的时候, 就需要序列化对象成字节流, 反之当要将接收到或从磁盘读取的字节流转换为对象, 就要进行反序列化
- Java 的序列化 (Serializable) 是一个重量级序列化框架, 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. 不用像Java对象类一样传输多层的父子关系, 需要哪个属性就传输哪个属性值, 大大的减少网络传输的开销
- Writable 是 Hadoop 的序列化格式, Hadoop 定义了这样一个 Writable 接口. 一个类要支持可序列化只需实现这个接口即可
- 另外 Writable 有一个子接口是 WritableComparable, WritableComparable是既可实现序列化, 也可以对key进行比较, 我们这里可以通过自定义 Key 实现 WritableComparable 来实现我们的排序功能
2.需求分析
3.具体代码
3.1 自定义类型和比较器
package com.ucas.mapreduce_sort;import org.apache.hadoop.io.WritableComparable;import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;/*** @author GONG* @version 1.0* @date 2020/10/9 16:55*/
public class PairWritable implements WritableComparable<PairWritable> {// 组合key,第一部分是我们第一列,第二部分是我们第二列private String first;private int second;public PairWritable() {}public PairWritable(String first, int second) {this.set(first, second);}/*** 方便设置字段*/public void set(String first, int second) {this.first = first;this.second = second;}/*** 反序列化*/@Overridepublic void readFields(DataInput input) throws IOException {this.first = input.readUTF();this.second = input.readInt();}/*** 实现序列化*/@Overridepublic void write(DataOutput output) throws IOException {output.writeUTF(first);output.writeInt(second);}/** 重写比较器,实现排序规则*/public int compareTo(PairWritable o) {//每次比较都是调用该方法的对象与传递的参数进行比较,//说白了就是第一行与第二行比较完了之后的结果与第三行比较,//得出来的结果再去与第四行比较,依次类推int comp = this.first.compareTo(o.first);if (comp != 0) {return comp;} else { // 若第一个字段相等,则比较第二个字段return Integer.valueOf(this.second).compareTo(Integer.valueOf(o.getSecond()));}}public int getSecond() {return second;}public void setSecond(int second) {this.second = second;}public String getFirst() {return first;}public void setFirst(String first) {this.first = first;}@Overridepublic String toString() {return "PairWritable{" +"first='" + first + '\'' +", second=" + second +'}';}
}
3.2 Mapper
package com.ucas.mapreduce_sort;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;/*** @author GONG* @version 1.0* @date 2020/10/9 16:53*/
public class SortMapper extends Mapper<LongWritable, Text, PairWritable, IntWritable> {private PairWritable mapOutKey = new PairWritable();private IntWritable mapOutValue = new IntWritable();@Overridepublic void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {String lineValue = value.toString();String[] strs = lineValue.split("\t");//设置组合key和value ==> <(key,value),value>mapOutKey.set(strs[0], Integer.valueOf(strs[1]));mapOutValue.set(Integer.valueOf(strs[1]));context.write(mapOutKey, mapOutValue);}
}
3.3 Reducer
package com.ucas.mapreduce_sort;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;/*** @author GONG* @version 1.0* @date 2020/10/9 16:53*/
public class SortReducer extends Reducer<PairWritable, IntWritable, Text, IntWritable> {private Text outPutKey = new Text();@Overridepublic void reduce(PairWritable key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {//迭代输出for (IntWritable value : values) {outPutKey.set(key.getFirst());context.write(outPutKey, value);}}
}
3.4 Main入口
package com.ucas.mapreduce_sort;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
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.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;/*** @author GONG* @version 1.0* @date 2020/10/9 16:55*/
public class JobMain extends Configured implements Tool {@Overridepublic int run(String[] args) throws Exception {Configuration conf = super.getConf();conf.set("mapreduce.framework.name", "local");Job job = Job.getInstance(conf, JobMain.class.getSimpleName());job.setJarByClass(JobMain.class);job.setInputFormatClass(TextInputFormat.class);TextInputFormat.addInputPath(job, new Path("hdfs://192.168.0.101:8020/input/sort"));TextOutputFormat.setOutputPath(job, new Path("hdfs://192.168.0.101:8020/out/sort_out"));job.setMapperClass(SortMapper.class);job.setMapOutputKeyClass(PairWritable.class);job.setMapOutputValueClass(IntWritable.class);job.setReducerClass(SortReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);boolean b = job.waitForCompletion(true);return b ? 0 : 1;}public static void main(String[] args) throws Exception {Configuration entries = new Configuration();int run = ToolRunner.run(entries, new JobMain(), args);System.exit(run);}
}
4.运行并查看结果
4.1 准备工作
创建sort.txt
在hdfs中创建input文件夹,并且把sort.txt放进去
4.2 打包jar
需要先清理一下clean,然后双击打包
4.3 运行jar包,查看结果
将jar上传到 /export/software
运行:hadoop jar day03_mapreduce_wordcount-1.0-SNAPSHOT.jar com.ucas.mapreduce_sort.JobMain
这篇关于2.2.4 hadoop体系之离线计算-mapreduce分布式计算-MapReduce序列化和排序的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!