数据完整性
检测数据是否损坏的常用方法,在数据第一次引入系统时计算校验,然后在数据通过一个不可靠的通道进行传输后再次进行校验;
校验和,每个数据切片后进行二进制码的补码反码的运算生成一个校验码,然后得到校验和,比较校验和;
常用的错误校验码是CRC-32(循环冗余校验)任何大小的数据输入均计算得到一个32位的证书校验和;
当然可以调用FileSystem对象的setVerifyChecksum()方法来关闭校验;
LocalFileSystem继承于ChecksumFileSystem,ChecksumFileSystem继承于FileSystem;
底层文件系统被称为源(raw 未加工的,生的)文件系统
文件的压缩和解压,切片,后面再细说;
文件序列化
对象序列化,讲对象转化为字节流,反序列化则相反;
hadoop使用自己的序列化格式Writable,紧凑,速度快,但是不容易用java以外的语言进行扩展或使用;
Writable接口
在hadoop中Writable接口定义了两个方法,一个用于讲对象转台写入二进制格式的DataInput流中,另一个是用于从二进制格式的DataInput流中读取对象状态。
package org.apache.hadoop.io;
import java.io.DataOutput;
import java.io.DataInput;
import java.io.IOException;
public interface Writable
{
void write(DataOutput out) throws IOException;
void readFields(DataInput in) throws IOException;
}