Hadoop（十六）MapReduce 序列化
一、概述
1、什么是序列化
- 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。
2、为什么要序列化
- 数据持久化：序列化允许将内存中的数据结构保存到文件或数据库中，以便在程序关闭后仍然可以保存数据
- 网络通信：在分布式系统中，序列化是将数据从一台计算机发送到另一台计算机的关键技术
3、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）
4、Hadoop序列化特点：
（1）紧凑：高效使用存储空间
（2）快速：读写数据的额外开销小
（3）互操作：支持多语言的交互
二、自定义bean对象实现序列化接口（Writable）
具体实现bean对象序列化步骤如下：
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"\t"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;
}