hadoop源码研读之路（三）----序列化

简单来说，序列化就是将对象（实例）转换为字符流（字符数组）的过程，转换后的字符流可用于网络传输或写入磁盘；相对的，反序列化就是将字符流转换成对象的过程。Hadoop有自己的序列化实现，并已提取为Avro子项目。序列化要求具有字符流紧凑，处理快速，可扩展，多语言支持特性。

Hadoop并没有采用Java的序列化，而是引入了它自己的系统。

Hadoop中定义了两个序列化相关的接口：Writable接口和Comparable接口，这两个接口可以合成一个接口WritableComparable.

Writable接口，所有实现了Writable接口的类都可以被序列化和反序列化

package org.apache.hadoop.io;
 
import java.io.DataOutput;
import java.io.DataInput;
import java.io.IOException;
 
public interface Writable {
  /**
  * 将对象转换为字节流并写入到输出流out中
  */
  void write(DataOutput out) throws IOException;
  /**
  * 从输入流in中读取字节流反序列化为对象
  */
  void readFields(DataInput in) throws IOException;
}

Comparable接口

所有实现了Comparable的对象都可以和自身相同类型的对象比较大小。该接口定义为：

package java.lang;
import java.util.*;
 
public interface Comparable<T> {
  /**
  * 将this对象和对象o进行比较，约定：返回负数为小于，零为大于，整数为大于
  */
  public int compareTo(T o);
}

Hadoop自带的序列化接口

实现了WritableComparable接口的类：

• 基础：BooleanWritable | ByteWritable
• 数字：IntWritable | VIntWritable | FloatWritable | LongWritable | VLongWritable | DoubleWritable
• 高级：NullWritable | Text | BytesWritable | MDSHash | ObjectWritable | GenericWritable

仅实现了Writable接口的类：

• 数组：ArrayWritable | TwoDArrayWritable
• 映射：AbstractMapWritable | MapWritable | SortedMapWritable

首先写3个实用的静态方法，serialize方法將Writable对象转换成字节流，deserialize方法将字节流转换为对象，printBytesHex方法打印byte[]数组对象。并通过最简单的IntWritable类，将int变量序列化，再反序列化。

import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.DataInputStream;
import java.io.DataOutputStream;
import java.io.IOException;
 
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.util.StringUtils;
 
public class Serialize {
 
	/**
	 * 将Writable对象转换成字节流
	 */
	public static byte[] serialize(Writable writable) throws IOException {
		ByteArrayOutputStream out = new ByteArrayOutputStream();
		DataOutputStream dataOut = new DataOutputStream(out);
		writable.write(dataOut);
		dataOut.close();
		return out.toByteArray();
	}
 
	/**
	 * 将字节流转换成Writable对象
	 */
	public static void deserialize(Writable writable, byte[] bytes)
			throws IOException {
		ByteArrayInputStream in = new ByteArrayInputStream(bytes);
		DataInputStream dataIn = new DataInputStream(in);
		writable.readFields(dataIn);
		dataIn.close();
	}
 
	/**
	 * 打印字节流
	 */
	public static void printBytesHex(byte[] bytes) {
		for (int i = 0; i < bytes.length; i++) {
			System.out.print(StringUtils.byteToHexString(bytes, i, i + 1)
					.toUpperCase());
			if (i % 16 == 15)
				System.out.print('\n');
			else if (i % 1 == 0)
				System.out.print(' ');
		}
	}
 
	public static void main(String[] args) throws IOException {
		IntWritable intWritable = new IntWritable(99999);
		// 序列化
		byte[] bytes = serialize(intWritable);
		printBytesHex(bytes);
 
		IntWritable intWritable2 = new IntWritable();
		// 反序列化
		deserialize(intWritable2, bytes);
		System.out.println(intWritable2);
	}
}

运行该程序可以得到：数字9999序列化字符流之后为：00 01 86 9F

VIntWritable和VLongWritable这两个是同一個实现，将数字转化成变长的字節流，数字越小，字符流越短。

Text经常使用，序列化为字符流长度 + String的UTF8编码，最大2G。

序列化和反序列化将消耗一定的资源，Hadoop中实现了直接比较字符流以确定两个Writable对象的大小，不需要进行序列化和反序列化。

以IntWritable对象的源码片段为例：

  /** A Comparator optimized for IntWritable. */ 
  public static class Comparator extends WritableComparator {
    public Comparator() {
      super(IntWritable.class);
    }
 
    /**
    * 通过实现compare方法进行两个字节流大小的比较
    * 其中s1和s2表示各自字节数组的起始位置，l1和l2表示各自字节数组在起始位置后的长度
    */
    public int compare(byte[] b1, int s1, int l1,
                       byte[] b2, int s2, int l2) {
      int thisValue = readInt(b1, s1);
      int thatValue = readInt(b2, s2);
      return (thisValue<thatValue ? -1 : (thisValue==thatValue ? 0 : 1));
    }
  }
 
  static {    // 注册comparator，可以理解为WritableComparator为管理者
    WritableComparator.define(IntWritable.class, new Comparator());
  }

ObjectWritable相对于其他对象，它有不同的地位。当我们讨论Hadoop的RPC时，我们会提到RPC上交换的信息，必须是Java的基本类型，String和Writable接口的实现类，以及元素为以上类型的数组。ObjectWritable对象保存了一个可以在RPC上传输的对象和对象的类型信息。这样，我们就有了一个万能的，可以用于客户端/服务器间传输的Writable对象。例如，我们要把上面例子中的对象作为RPC请求，需要根据MyWritable创建一个ObjectWritable，ObjectWritable往流里会写如下信息

（对象类名长度，对象类名，对象自己的串行化结果）

这样，到了对端，ObjectWritable可以根据对象类名创建对应的对象，并解串行。应该注意到，ObjectWritable依赖于WritableFactories，那存储了Writable子类对应的工厂。我们需要把MyWritable的工厂，保存在WritableFactories中（通过WritableFactories.setFactory）