什么是序列化

通俗的讲，序列化就是将内存当中的数据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）到磁盘或者进行网络传输。

除了序列化以外，还有一个名词为反序列化，很容易理解，反序列化就是将收到的字节序列（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当中的数据对象。

为什么要序列化

一般来说，内存当中的数据对象，在我们机器关机断电后就没有了，并且内存当中的数据对象只能由本地的进程进行使用，不能被发送到网络上的另一台计算机上，然后序列化可以将内存当中的数据对象写到磁盘，然后我们就可以以文件的形式将数据对象发送到远程的计算机上。

MapReduce 为什么不用 Java 自带的序列化方法

Java 自带的序列化是一个重量级的序列化框架（ 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，继承体系等等），这不便于在网络中高效的传输，所以，Hadoop 自己开发了一套序列化机制（ Writable ）。

Hadoop 序列化特点：

1. 紧凑：高效的使用存储空间；
2. 快速：读写数据的额外开销小；
3. 可扩展：随着通信协议的升级而可升级；
4. 互操作：支持多语言的交互。

自定义 bean 对象实现序列化接口（ Writable ）

在项目开发过程中，往往常用的 Hadoop 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；
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函数；
3. 实现序列化方法；
4. 实现反序列化方法；
5. 注意反序列化属性参数的顺序和序列化属性参数的顺序完全一致；
6. 要想把结果显示在文件中，需要重写 toString() 方法，可用「 \t 」分开，方便后续使用；
7. 如果需要将自定义的 bean 放在 key 当中进行传输，则还需要实现 Comparable 接口，因为 MapReduce 框架中的 Shuffle 过程要求对 key 必须能排序。

序列化实例

我们以统计每个手机号耗费的总上行流量、总下行流量和总流量为例来说明如何自定义可序列化的 bean 对象。

需求分析

此例的需求：统计每一个手机耗费的总上行流量、总下行流量、总流量。

1. 输入数据：

2. 输入数据的格式：

   手机号码              网络ip      上行数据包  下行数据包  上行流量 下行流量 网络状态码
   11111111111    120.196.100.82       24          27       2481    24681     200
   

3. 期望输出数据格式：

   手机号码          总上行流量          总下行流量        总流量
   11111111110	        4088	        190572	        194660
   

4. Map 阶段

读取每一行数据并切分出我们所需要的信息（手机号码、上行流量、下行流量），然后以手机号码为输出的 key，bean 对象为输出的 value，即 context.write(手机号码, bean对象); 。

注：bean 对象要想能够在 MapReduce 中传输则必须实现 Hadoop 的序列化接口；bean 对象若作为 key，则还必须实现 Comparable 接口。

1. Reduce 阶段

将每个相同 key 的一组 value 值（即一组 bean 对象）按需求进行操作，这里我们是将 key 对应的一组 bean 对象内部的上行流量、下行流量分别求和，最后再求总和得到总流量。

编写对应的 MapReduce 程序

1. 编写流量统计的 bean 对象对应的类：

   public class FlowBean implements Writable {
   
    private long upFlow;//上行流量
    private long downFlow;//下行流量
    private long sumFlow;//总流量
   
    // 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函数
    public FlowBean() {
        super();
    }
   
    public FlowBean(long upFlow, long downFlow) {
        super();
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = upFlow + downFlow;
    }
   
    // 序列化方法
    @Override
    public void write(DataOutput out) throws IOException {
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }
   
    // 反序列方法，反序列化方法读的顺序必须和序列化方法写的顺序一致
    @Override
    public void readFields(DataInput in) throws IOException {
        this.upFlow = in.readLong();
        this.downFlow = in.readLong();
        this.sumFlow = in.readLong();
    }
   
    @Override
    public String toString() {
        return upFlow + "\t" + downFlow + "\t" + sumFlow;
    }
   
    public long getUpFlow() {
        return upFlow;
    }
   
    public long getDownFlow() {
        return downFlow;
    }
   
    public long getSumFlow() {
        return sumFlow;
    }
   
    public void setUpFlow(long upFlow) {
        this.upFlow = upFlow;
    }
   
    public void setDownFlow(long downFlow) {
        this.downFlow = downFlow;
    }
   
    public void setSumFlow(long sumFlow) {
        this.sumFlow = sumFlow;
    }
   }
   

2. 编写 Mapper 类：

   public class FlowCountMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
   
    FlowBean v = new FlowBean();;
    Text k = new Text();
   
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
   
        // 获取文件中每一行的内容并按照制表符切分
        String[] fields = value.toString().split("\t");
   
        String phoneNumber = fields[0];
   
        Long upFlow = Long.parseLong(fields[fields.length-3]);
        Long downFlow = Long.parseLong(fields[fields.length-2]);
   
        k.set(phoneNumber);
        v.setUpFlow(upFlow);
        v.setDownFlow(downFlow);
        v.setSumFlow(upFlow + downFlow);
   
        context.write(k, v);
    }
   }
   

3. 编写 Reducer 类：

   public class FlowCountReducer extends Reducer<Text, FlowBean, Text, FlowBean> {
   
    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
        long sum_upFlow = 0;
        long sum_downFlow = 0;
   
        // 计算总上行流量和总下行流量
        for (FlowBean value:values) {
            sum_upFlow += value.getUpFlow();
            sum_downFlow += value.getDownFlow();
        }
   
        // 封装对象
        FlowBean resultFlow = new FlowBean(sum_upFlow, sum_downFlow);
   
        context.write(key,resultFlow);
    }
   }
   

4. 编写驱动类： ```java public class FlowCountDriver {

   public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

    Configuration conf = new Configuration();
   
    //1 获取 Job 对象
    Job job = Job.getInstance(conf);
   
    //2 设置 jar 存储位置
    job.setJarByClass(FlowCountDriver.class);
   
    //3 关联 Map 和 Reduce 类
    job.setMapperClass(FlowCountMapper.class);
    job.setReducerClass(FlowCountReducer.class);
   
    //4 设置 Mapper 阶段输出数据的 key 和 value 类型
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(FlowBean.class);
   
    //5 设置最终数据输出的 key 和 value 类型
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(FlowBean.class);
   
    //6 设置输入路径和输出路径
    FileInputFormat.setInputPaths(job, new Path(args[0]));
   
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
   
    //7 提交 job
    //job.submit();//此方法不会打印日志
    job.waitForCompletion(true);  } }
   

```

输出结果