为什么不用Java的序列化?
Java的序列化机制的缺点就是计算量开销大,且序列化的结果体积大太,有时能达到对象大小的数倍乃至十倍。它的引用机制也会导致大文件不能分割的问题。这些缺点使得Java的序列化机制对Hadoop来说是不合适的。于是Hadoop设计了自己的序列化机制。
为什么序列化对Hadoop很重要?
因为Hadoop在集群之间进行通讯或者RPC调用的时候,需要序列化,而且要求序列化要快,且体积要小,占用带宽要小。所以必须理解Hadoop的序列化机制。
序列化和反序列化在分布式数据处理领域经常出现:进程通信和永久存储。然而Hadoop中各个节点的通信是通过远程调用(RPC)实现的,那么 RPC序列化要求具有以下特点:
1.压缩,可以起到压缩的效果,占用的宽带资源要小。
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,不能让传输速度成为瓶颈。
3.可扩展的,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.兼容性好,可以支持多个语言的客户端
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,他只实现了前面两点,压缩和快速。但是不容易扩展,也不跨语言。
Hadoop的key和value的传递序列化需要涉及两个重要的接口Writable和WritableComparable
序列化时需要对自定义对象实现WriteableComparable接口,把每个变量写在write的方法体中
疑问:为什么把这个对象的每个属性.write()写在write和readFields方法中,却不new一个自定义对象,把这个对象.write(out)写在write和readFields方法中呢?这样write和readFields方法中就少写了很多行代码?
答:序列化和反序列化都针对的是同一种类型,比如String类型->序列化->反序列化还是String类型,Text->序列化->反序列化还是Text类型,write是针对于hadoop中的基本类型的,writeInt()是针对java基本类型的的int,writeUTF()是针对String的.所以要针对每一个变量来调用不同的方法实现序列化和反序列化
1> Writable:
- void write(DataOutput out) throws IOException;
- void readFields(DataInput in) throws IOException;
也就是读数据和写数据的方式
2> WritableComparable:
- WritableComparable<T> extends Writable, Comparable<T>
- publicinterface Comparable<T> {
- publicint compareTo(T o);
- }
-
也就是比Writable多了一个compareTo方法,这个的用途是是为了确定是不是相同的key,因此得出如下结论:
hadoop为Key的数据类型必须实现WritableComparable,而Value的数据类型只需要实现Writable即可,能做Key的一定可以做Value,能做Value的未必能做Key.
常用的WritableComparable实现如下:
- org.apache.hadoop.io.NullWritable;
- org.apache.hadoop.io.BooleanWritable;
- org.apache.hadoop.io.BytesWritable;
- org.apache.hadoop.io.DoubleWritable;
- org.apache.hadoop.io.FloatWritable;
- org.apache.hadoop.io.IntWritable;
- org.apache.hadoop.io.LongWritable;
- org.apache.hadoop.io.MD5Hash;
- org.apache.hadoop.io.Text;
- org.apache.hadoop.io.UTF8;
- org.apache.hadoop.io.VIntWritable;
- org.apache.hadoop.io.VLongWritable;
常用的Writable实现如下(除了上述的):
- org.apache.hadoop.io.TwoDArrayWritable;
- org.apache.hadoop.io.SortedMapWritable;
- org.apache.hadoop.io.ObjectWritable;
- org.apache.hadoop.io.MapWritable;
- org.apache.hadoop.io.ArrayWritable;