大数据 Hadoop序列化

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

1. 紧凑: 高效使用储存空间。
2. 快速：读写数据的额外开销小。
3. 可扩展：随着通信协议的升级而可以升级。
4. 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。

1. 必须实现Writable接口
2. 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();
}

3. 重写序列化方法

@Override
public void write(DataOutput out) throws IOException {
	out.writeLong(attr1);
	out.writeLong(attr2);
	out.writeLong(attr3);
}

4. 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();
}

5. 注意反序列化的顺序和序列化的顺序完全一致
6. 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。