简介
序列化和反序列化就是结构化对象和字节流之间的转换,主要用在内部进程的通讯和持久化存储方面。
通讯格式需求
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换成原始信息,RPC的序列化需要以下几点:
1.压缩:可以起到压缩的效果,占用的带宽资源要小。
2.快速:内部进程为分布式系统构建了高速链路,因此在序列化和反序列化间必须是快速的,不能让传输速度称为瓶颈。
3.可扩展:新的服务端为新的客户端增加了一个参数,老客户端照样可以使用
4.兼容性:可以支持多个语言的客户端。
存储格式需求
表面上看来序列化框架在持久化存储方面可能需要其他的一些特性,但事实上依然是那四点:
1.压缩:占用空间小。
2.快速:可以快速读写。
3.可扩展:可以以老格式读取老数据。
4.兼容性:可以支持多种语言的读写。
Hadoop的序列化格式
hadoop自身的序列化存储格式就是实现了Writable接口的类,实际上hadoop的序列化也只做到了前面两点即压缩和快速。它不容易扩展也不跨语言。
我们先来看下Writable接口,Writable接口中定义了两个方法:
1.将数据写入到二进制流中。
2.从二进制流中读取数据。
package org.apache.hadoop.io;
public interface Writable {
void write(java.io.DataOutput p1) throws java.io.IOException;
void readFields(java.io.DataInput p1) throws java.io.IOException;
}
我们再来看下Writable接口与序列化和反序列化是如何关联的。
package com.sweetop.styhadoop;
import junit.framework.Assert;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.util.StringUtils;
import org.junit.Before;
import org.junit.Test;
import java.io.*;
/**
* Created with IntelliJ IDEA.
* User: lastsweetop
* Date: 13-7-4
* Time: 下午10:25
* To change this template use File | Settings | File Templates.
*/
public class TestWritable {
byte[] bytes=null;
/**
* 初始化一个IntWritable实例,并且调用系列化方法
* @throws IOException
*/
@Before
public void init() throws IOException {
IntWritable writable = new IntWritable(163);
bytes = serialize(writable);
}
/**
* 一个IntWritable序列化后的四个字节的字节流
* 并且使用big-endian的队列排列
* @throws IOException
*/
@Test
public void testSerialize() throws IOException {
Assert.assertEquals(bytes.length,4);
Assert.assertEquals(StringUtils.byteToHexString(bytes),"000000a3");
}
/**
* 创建一个没有值的IntWritable对象,并且通过调用反序列化方法将bytes的数据读入到它里面
* 通过调用它的get方法,获得原始的值,163
*/
@Test
public void testDeserialize() throws IOException {
IntWritable newWritable = new IntWritable();
deserialize(newWritable,bytes);
Assert.assertEquals(newWritable.get(),163);
}
/**
* 将一个实现了Writable接口的对象序列化成字节流
* @param writable
* @return
* @throws IOException
*/
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();
}
/**
* 将字节流转化为实现了Writable接口的对象
* @param writable
* @param bytes
* @return
* @throws IOException
*/
public static byte[] deserialize(Writable writable,byte[] bytes) throws IOException {
ByteArrayInputStream in=new ByteArrayInputStream(bytes);
DataInputStream dataIn = new DataInputStream(in);
writable.readFields(dataIn);
dataIn.close();
return bytes;
}
}
WritableComparable和Comparators
IntWritable实现了WritableComparable接口,WritableComparable接口又实现了Writable和Comparable接口
package org.apache.hadoop.io;
public interface WritableComparable <T> extends org.apache.hadoop.io.Writable, java.lang.Comparable<T> {
}
MapReduce在排序部分要根据key值的大小进行排序,因此类型的比较相当重要,RawComparator是Comparator的增强版
package org.apache.hadoop.io;
public interface RawComparator <T> extends java.util.Comparator<T> {
int compare(byte[] bytes, int i, int i1, byte[] bytes1, int i2, int i3);
}
RawComparator可以做到,不先反序列化就可以直接比较二进制字节流的大小
package com.sweetop.styhadoop;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.RawComparator;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.io.WritableComparator;
import org.eclipse.jdt.internal.core.Assert;
import org.junit.Before;
import org.junit.Test;
import java.io.ByteArrayOutputStream;
import java.io.DataOutputStream;
import java.io.IOException;
/**
* Created with IntelliJ IDEA.
* User: lastsweetop
* Date: 13-7-5
* Time: 上午1:26
* To change this template use File | Settings | File Templates.
*/
public class TestComparator {
RawComparator<IntWritable> comparator;
IntWritable w1;
IntWritable w2;
/**
* 获得IntWritable的comparator,并初始化两个IntWritable
*/
@Before
public void init() {
comparator = WritableComparator.get(IntWritable.class);
w1 = new IntWritable(163);
w2 = new IntWritable(76);
}
/**
* 比较两个对象大小
*/
@Test
public void testComparator() {
Assert.isTrue(comparator.compare(w1, w2) > 0);
}
/**
* 序列化后进行直接比较二进制字节流的大小
* @throws IOException
*/
@Test
public void testcompare() throws IOException {
byte[] b1 = serialize(w1);
byte[] b2 = serialize(w2);
Assert.isTrue(comparator.compare(b1, 0, b1.length, b2, 0, b2.length) > 0);
}
/**
* 将一个实现了Writable接口的对象序列化成字节流
*
* @param writable
* @return
* @throws java.io.IOException
*/
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();
}
}
为什么不适用java序列化
1.java序列化不够灵活,为了更好的控制序列化的整个流程所以使用Writable。
2.java序列化不符合序列化的标准,没有做一定的压缩,java序列化首先写类名,然后再是整个类的数据,而且成员对象在序列化中只存引用,成员对象的出现位置很随机,既可以在序列化对象前面,也可以在其后面,这样就对随机访问造成影响,一旦出错,整个后面的序列化就会全部出错,但是Writable完美的弥补了这一点,因为Writable中的每一条记录间是相互独立的。
3.java序列化每次序列化都要重新创建对象,内存消耗大,而Writable是可以重用的。
文章来自: http://blog.csdn.net/lastsweetop/article/details/9193907