序列化概述
序列化定义
- 序列化就是把内存中的对象转换成字节序列 (或者其他数据传输协议) 以便于储存到磁盘 (持久化) 和网络传输。
- 反序列化就是将接收到的字节序列 (或其他数据传输协议) 或者是磁盘持久化数据,转换成为内存中的对象。
序列化的应用
对象只存在于内存中,关机断电就没有了,而且激活的对象只能由本地的进程使用,不能被发送到网络上的另一台计算机上。序列化是程序数据存储的一种形式。储存的数据可以被再次提取以及发送到另一台设备上。
Hadoop序列化
Java的序列化是一个重量级的序列化框架 (Serializable),一个对象被序列化后,会附带很多额外的信息(各种校验信息,Header,继承体系等),不便于在网络中高效的传输。所以,Hadoop自己开发了一套序列化机制(Writable)。
Hadoop序列化的特点
- 紧凑: 高效使用储存空间。
- 快速:读写数据的额外开销小。
- 可扩展:随着通信协议的升级而可以升级。
- 互操作:支持多种语言交互。
Hadoop对应Java序列化类
Java中的常用类型,在Hadoop中都有对应的序列化实现类。其对应关系如下图所示:
Hadoop 自定义对象序列化
在企业开发中往往常用的基本序列化类型不能满足所有需求,比如在Hadoop框架内部传递一个bean对象,那么该对象就需要实现序列化接口。
具体实现bean对象序列化步骤如下7步。
- 必须实现Writable接口
- 反序列化时,需要反射调用空参构造函数,所以必须有空参构造
public Bean() {
super();
}
- 重写序列化方法
@Override
public void write(DataOutput out) throws IOException {
out.writeLong(attr1);
out.writeLong(attr2);
out.writeLong(attr3);
}
- 重写反序列化方法
@Override
public void readFields(DataInput in) throws IOException {
attr1 = in.readLong();
attr2 = in.readLong();
attr3 = in.readLong();
}
- 注意反序列化的顺序和序列化的顺序完全一致
- 如果需要将自定义的bean放在key中传输,则还需要实现Comparable接口,因为MapReduce框中的Shuffle过程要求对key必须能排序。