Hadoop序列化

标签：长度   row   work   fileinput   转换   字符串   text   优点   顺序   

hadoop序列化：
序列化：将对象序列化成字节序列 （方便磁盘存储和网络传输）
反序列化：将字节序列转换成对象

hadoop的序列化的优点：（只对数据进行序列化）
紧凑  快速 可扩展  可以跨语言交互

序列化
步骤1:
使用Writer接口
    implements Writable
步骤2
      /**
     * 注意点：
     * 1.序列化数据的时候，序列化的数据类型要对应
     * write这个是hadoop提供的序列化方法
     * @param dataOutput
     * @throws IOException
     */
    public void write(DataOutput dataOutput) throws IOException {
        
    }

    /**
     * 注意点：
     * 一定要注意反序列化变量赋值的顺序，要和序列化顺序保持一致
     * readFields ：hadoop 提供的反序列化方法
     * @param dataInput
     * @throws IOException
     */
    public void readFields(DataInput dataInput) throws IOException {
       
    }
    

job的提交流程：
waitForCompletion提交任务的入口方法
    this.submit(); 提交job任务
        this.ensureState(Job.JobState.DEFINE);再次确认我们job的状态（DEFINE）
        this.connect();判断任务是在本地运行还是远程集群中运行（连接yarn）
        submitter.submitJobInternal() 任务提交者提交任务
            this.checkSpecs(job); 检查文件的输出路径是否存在
                checkOutputSpecs()检查文件的输出路径是否存在,没有设置报异常，已经存在也报异常
            addMRFrameworkToDistributedCache(conf); 将配置信息加载到分布式缓存中
            this.submitClient.getNewJobID(); 获取一个任务的id
            this.writeSplits(job, submitJobDir);获取切片数量，并将切片文件信息写入到submitJobFile文件夹下
            this.writeConf(conf, submitJobFile);将配置信息写入到submitJobFile文件夹下
            
            this.submitClient.submitJob 真正提交job任务
            
        this.state = Job.JobState.RUNNING;任务提交完毕，将状态改为RUNNING
        
    this.isSuccessful();任务执行成功还是失败：返回true表示任务执行成功，返回flase任务执行失败
    
FileInputFormat
    getSplits：1.如何进行切片 2.可不可以切片this.isSplitable(job, path)
        for(bytesRemaining = length; (double)bytesRemaining / (double)splitSize > 1.1D; bytesRemaining -= splitSize) {
                                blkIndex = this.getBlockIndex(blkLocations, length - bytesRemaining);
                                splits.add(this.makeSplit(path, length - bytesRemaining, splitSize, blkLocations[blkIndex].getHosts(), blkLocations[blkIndex].getCachedHosts()));
                            }

        if (bytesRemaining != 0L) {
            blkIndex = this.getBlockIndex(blkLocations, length - bytesRemaining);
            splits.add(this.makeSplit(path, length - bytesRemaining, bytesRemaining, blkLocations[blkIndex].getHosts(), blkLocations[blkIndex].getCachedHosts()));
        }
        
        如何自定义设置切片的大小参考课件3.1.3 默认情况下切片的切块大小是块大小128M
        
        
        
hadoop自带得inputformat
TextInputFormat   使用得是FileInput..得切片方法     LineRecordReader（将文件以kv值得形式返回）
NLineInputFormat  自定义了切片方法（按行切片）      LineRecordReader
CombineTextInputFormat 自定义了切片方法（按照设置得大小切片） CombineFileRecordReader
FixedLengthInputFormat 使用得是FileInput..得切片方法     FixedLengthRecordReader（返回得都是固定长度得value）

KeyValueTextInputFormat 使用得是FileInput..得切片方法  KeyValueLineRecordReader（key是一行中得第一个单词，value是一行中除了第一个单词之后得字符串）
SequenceFileInputFormat  使用得是FileInput..得切片方法    SequenceFileRecordReader（二进制得数据）

注意一般情况下够用，但是特殊情况需要我们自定义
   

Hadoop序列化

标签：长度   row   work   fileinput   转换   字符串   text   优点   顺序   

原文地址：https://www.cnblogs.com/qu125-tf/p/12098635.html