大数据学习：Hadoop 序列化入门

作为大数据技术生态当中的第一代框架，Hadoop至今仍然具有不可替代的核心优势，对于企业而言，Hadoop在底层架构上所提供的支持，仍然是企业入场大数据的重要支持框架。今天的大数据学习分享，我们就主要来讲讲Hadoop序列化的入门知识点。


一、序列化概念

序列化是把内存中的对象，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时收到的字节序列（或其他数据传输协议）或者是磁盘持久化数据，转换成内存中的对象。

二、为什么要序列化

“活的”对象只生存在内存中，断电关机就没有了。而且“活的”对象只能由本地进程使用，不能被发送到网络上其他计算机。序列化可以存储“活的对象，可以将“活的”对象发送到远程计算机。

三、Hadoop序列化的特点

Java序列化是一个重量级序列化框架（Serializable）,对象被序列化后，会附带很多额外的信息（校校验信息、Header、继承体系等），不便于在网络中高效传输。

Hadoop序列化具有以下特点：

（1）紧凑，高效实用存储空间

（2）快速，读写数据的额外开销小

（3）可扩展，可随着通讯协议的升级而升级

（4）互操作，支持多语言的交互

四、实现序列化接口（Writable）关键步骤

实现bean对象序列化需要7个步骤：

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

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” ”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。

@Override
public int compareTo(FlowBean o) {
// 倒序排列，从大到小
return this.sumFlow > o.getSumFlow() ? -1 : 1;
}

关于大数据学习，Hadoop 序列化入门，以上就为大家做了简单的介绍了。Hadoop的序列化，其实与Java紧密相关，前期的Java基础打牢，对于框架内的很多细节理解也是有好处的。成都加米谷大数据，专业大数据培训机构，大数据开发、数据分析与挖掘，零基础班本月正在招生中，课程大纲及试学视频，可联系客服获取！