原文来源:博客园 作者 :大数据 小世界
酒,是个好东西,前提要适量。今天参加了公司 的年会,主题就是吃、喝、吹,除了那些天生话唠外,大部分人需要加点酒来作催化剂,让一个平时沉默寡言的码农也能成为一个喷子!在大家推杯换盏之际,难免 一些画面浮现脑海,有郁闷抓狂的,有出成果喜极而涕的,有不知前途在哪儿的迷茫与不安……总的来说,近一年来,不白活,不虚度,感触良多,不是一言两语能 说得清道的明的,有时间可以做个总结,下面还是言归正传谈技术吧。
上篇在了解了Hadoop的目录和源码结构后,说好的要啃源码的,那就得啃。也感谢一直以来关注我、支持我的网友,您的关注一直都是我默默前行的动力,也是我在这个行业摸打滚爬的精神食粮^_^
这里,我们主要对于 org.apache.hadoop.conf和org.apache.hadoop.io包的部分进行一个解读,主要包含了hadoop的资源配置类 Configuration、hadoop的序列化机制、Writable的地位与继承实现关系、常用类解析。
一、Hadoop资源配置Configuration
Hadoop没有使用java.util.Properties管理配置文件,其使用了一套独有的配置文件管理系统,并提供自己的API,即使用org.apache.hadoop.conf.Configuration处理配置信息。
通过org.apache.io.conf包我们可以发现主要包含以下几个接口和类:
Configurable:接口
方法:setConf()、getConf()
Configured:实现了Configurable的类
方法:除了实现了Configurable接口中的方法,还有构造函数、用于配置Configuration参数
Configuration:
Configuration类用来设定资源文件。资源文件是包含键值对的XML数据,其可以是字符串或是路径。如果是字符串,将会根据字符串代表的文件名到classpath下找,如果是路径,则会直接到本地文件系统查找。
Hadoop默认是加载两个资源文件:core-default.xml和core-site.xml
Configuration参数可以声明为final类型,一旦定义为final类型,后面就无法被更改,例子如下:
1
2
3
4
5
|
<property>
<name>dfs.client.buffer.dir</name>
<value>/tmp/hadoop/dfs/client</value>
<
final
>
true
</
final
>
</property>
|
主要方法:有添加资源文件addResource、获取属性值get、设置一个键值对set、获取资源文件个数size等。
二、Hadoop序列化机制
在进程间传递对象或对象持久化存储的时候,就不得不提到序列化以及反序列化,就需要序列化对象成字节流,反之当要将接收到或从磁盘读取的字节流转换为对象,就要进行反序列化。
序列化:把对象转换为字节序列的过程
反序列化:把字节序列恢复为对象的过程
下面是传统序列化和反序列化的代码示例:
MyObject(用于序列化和反序列化的类对象):
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
public
class
MyObject
implements
Serializable{
private
static
final
long
serialVersionUID = -5809782578272943999L;
public
String name ;
private
int
age;
public
String sex;
public
String getName() {
return
name;
}
public
void
setName(String name) {
this
.name = name;
}
public
int
getAge() {
return
age;
}
public
void
setAge(
int
age) {
this
.age = age;
}
public
String getSex() {
return
sex;
}
public
void
setSex(String sex) {
this
.sex = sex;
}
}
|
测试序列化和反序列化代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
public
class
MySerializableTest {
public
static
void
main(String[] args)
throws
FileNotFoundException, IOException, ClassNotFoundException {
SerializeObject();
MyObject object = Deserialize();
System.out.println(
"name:"
+ object.getName() +
"\tage:"
+ object.getAge() +
"\tsex:"
+ object.getSex());
}
private
static
MyObject Deserialize()
throws
FileNotFoundException, IOException, ClassNotFoundException {
ObjectInputStream oi =
new
ObjectInputStream(
new
FileInputStream(
new
File(
"/usr/local/hadoop-0.20.2/serialize.txt"
)));
MyObject object = (MyObject) oi.readObject();
System.out.println(
"反序列化成功"
);
return
object;
}
private
static
void
SerializeObject()
throws
FileNotFoundException, IOException {
MyObject object =
new
MyObject();
object.setName(
"Jackie"
);
object.setAge(
25
);
object.setSex(
"male"
);
ObjectOutputStream oo =
new
ObjectOutputStream(
new
FileOutputStream(
new
File(
"/usr/local/hadoop-0.20.2/serialize.txt"
)));
oo.writeObject(object);
System.out.println(
"序列化成功"
);
oo.close();
}
}
|
最终控台打印信息:
1
2
3
|
序列化成功
反序列化成功
name:Jackie age:25 sex:male
|
注意:一定要在要序列化和反序列化的类上实现标记接口Serializable,否则会报错。
当然,这不是我们要将的Hadoop的序列化 机制,深入研究传统的序列化机制,就会发现这种Java序列化机制有自己的缺陷比如计算开销大、序列化的结果占用空间大等。作为一个分布式集群的代名词, 这种缺点是不可饶恕的,在每个节点之间进行RPC通讯时当遇到不可想象的序列化后的对象占用空间,这是一种灾难。所以,Hadoop编写实现了自己的序列 化机制。
三、Writable的家族体系
Hadoop的序列化要从这个Writable接口说起。
Writable接口,即 org.apache.hadoop.io.Writable接口,整个Hadoop的所有可序列化的对象接口都必须实现Writable接口,该接口的 方法很简单,与传统的序列化类神似。一个是write方法,用于将对象写入字节流,一个是readFields方法,用于将字节流读出解析成对象。
代码示例:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
public
class
MyWritable
implements
Writable {
// Some data
private
int
counter;
private
long
timestamp;
public
void
write(DataOutput out)
throws
IOException {
out.writeInt(counter);
out.writeLong(timestamp);
}
public
void
readFields(DataInput in)
throws
IOException {
counter = in.readInt();
timestamp = in.readLong();
}
public
static
MyWritable read(DataInput in)
throws
IOException {
MyWritable w =
new
MyWritable();
w.readFields(in);
return
w;
}
}
|
Writable的家族很庞大,主要成员涵盖在下面的一幅图中:
四、常见类举例
BytesWritable
该类实现了WritableComparable、Writable、Comparable。其用于一串字节序列。
其主要方法除了readFields(DataInput in)、write(DataOutput out)外,还有equals(Object right_obj)、getSize()这样的方法。
FloatWritable
该类实现了WritableComparable、Writable、Comparable。用于Float类型的序列化。
其主要方法有compareTo(Object o)、readFields(DataInput in)、write(DataOutput out)等。
IOUtils
该类是I/O操作类。
主要方法有忽略异常关闭closeable对象cleanup()方法、忽略异常关闭流closeStream()方法、拷贝流copyBytes()方法、循环读取字节流长度readFully()方法等
MapFile
MapFile是一个Map集合,包含两个文件:数据文件(map中的键值对)、索引文件
索引文件会一次性完全读进内存,所以,键的实现需要尽可能小。
Map文件是通过有序的添加entries构成的,为维持这么个大数据及,通过在一个有序列表中拷贝先前版本进行更新,并得到最新版本的数据文件。
Text
该类存储采用UTF-8编码的文本,其提供了在字节流层面的序列/反序列文本、比较文本的方法。另外其还提供了翻转字符串的方法。
主要方法有:charAt、clear、decode、encode、find、readFields、write等
SequenceFiles
SequenceFiles是由二进制键值对构成的平面文件。
SequenceFile文件有三个写入类基于SequenceFile.CompressionType压缩键值对
1.Writer:不压缩
2.RecordCompressWriter:记录压缩,只压缩value
3.BlockCompressWriter:块压缩,压缩key和value
WritableFactory
该类可以用来创建Writable对象
对于Hadoop等大数据技术有兴趣的欢迎加群413471695交流讨论^_^