Hadoop(十)MapReduce 序列化

 当输出是多个字段是，需要使用对象来表示，此时这个对象要序列化 

序列化概念

    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）
   在编写MapReduce程序时，我们会发现，对于MapReduce的输入输出数据（key-value），我们只能使用Hadoop提供的数据类型，而不能使用Java本身的基本数据类型，比如，如果数据类型为long，那么在编写MR程序时，对应Hadoop的数据类型则为LongWritable。关于原因，简单说明如下：hadoop在节点间的内部通讯使用的是RPC，RPC协议把消息翻译成二进制字节流发送到远程节点，
远程节点再通过反序列化把二进制流转成原始的信息。也就是说，传递的消息内容是需要经过hadoop特定的序列化与反序列化操作的，因此，才需要使用hadoop提供的数据类型，当然，如果想要自定义MR程序中key-value的数据类型，则需要实现相应的接口，如Writable、WritableComparable接口
也就是说，如果需要自定义key-value的数据类型，必须要遵循如下的原则：

/**
 * MapReduce的任意的key和value都必须要实现Writable接口
 * MapReduce的任意key必须实现WritableComparable接口，WritableComparable是Writable的增强版
 * key还需要实现Comparable的原因在于，对key排序是MapReduce模型中的基本功能
 */

常用数据类型对应的 Hadoop 数据序列化类型

自定义序列化数据类型的步骤

（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
（3）重写序列化方法
（4）重写反序列化方法
（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

在MapReduce中，要求被序列化的对象对应的类中必须提供无参构造在MapReduce中，要求被序列化的对象的属性值不能为null

案例统计每个手机号的上下行流量

手机号，上行流量，下行流量 peopleinfo.t