Hadoop 中为什么使用Interface Writable 代替 Serializable

1、Writable  提供比 Serializable 更高 比例的压缩

2、Serializable 中有太多hadoop所无需关心的元数据

3、Doug认为, 他需要对整个序列化的过程全部掌控。

4、既然JAVA中,int有包装类Integer,那再多一个IntWriteable 也是可以理解的

5、如果用户使用Integer, 也完全可以在hadoop中完美序列化。


参考:http://www.mail-archive.com/hadoop-user@lucene.apache.org/msg00380.html


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用Hadoop的主要原因有以下几点: 1.理大规模数据:H适用于处理大规模的数据集,可以存储和处理TB甚至PB级别的数据。它通过布式存储和并计算的方式,能够高效地处理大量数据。 2. 高容错性和可靠性:Hadoop具有高容错性和可靠性,通过将数据复制到集群的多个节点上,即使某个节点出现故障,数据仍然可用。同时,Hadoop能够自动检测并恢复节点故障,确保任务的顺利执行。 3. 高扩展性:Hadoop可以在集群添加更多的节点,以满足不断增长的数据处理需求。它具有良好的扩展性,可以根据需要进行水平扩展,提供更高的计算和存储能力。 4. 并行计算:Hadoop基于MapReduce模型进行并行计算,将任务分解为多个子任务,并在集群的多个节点上并行执行。这种并行计算能力可以大大缩短任务的执行时间,提高数据处理效率。 5. 生态系统丰富:Hadoop生态系统提供了一系列工具和库,如Hive、Pig、Spark等,用于更方便地进行数据处理、分析和机器学习等任务。这些工具和库提供了丰富的功能和易用的接口,使得使用Hadoop更加灵活和便捷。 6. 成本效益高:相比传统的大型数据仓库解决方案,Hadoop具有更高的成本效益。它采用了廉价的商用硬件,并且是开源软件,可以降低成本,适合小型企业和组织使用。 综上所述,使用Hadoop可以实现高效、可靠、可扩展的大数据处理和分析,对于处理大规模数据、构建数据湖以及进行数据挖掘和机器学习等任务非常有价值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值