Hadoop自定义数据类型的原因
Hadoop在数据的存储和传输过程中将数据进行了序列化
序列化就将数据以字节流的形式进行存储和传输
由于Hadoop中的计算涉及集群中的各个节点,大量的数据需要在集群中传输,序列化的目的就是使得不同的数据类型以统一的格式在集群中进行存储和传输,从而便于对数据传输的管理和控制。
在计算过程中,当一个节点收到序列化之后的字节流数据时,根据数据原始的类型通过反序列化操作,便可得到原始格式的数据
细看实验及实验报告,FileInputFormat的getSplits方法,LineRecordReader的initialize方法