前言

　　上一篇给大家介绍了Hadoop是怎么样保证数据的完整性的，并且使用Java程序来验证了会产生.crc的校验文件。这一篇给大家分享的是Hadoop的序列化！

一、序列化和反序列化概述

1.1、序列化和反序列化的定义

　　1）序列化：将结构化对象转换为字节流的过程，以便在网络上传输或写入到磁盘进行永久存储的过程。
　　2）反序列化：将字节流转回一系列的相反过程结构化对象。

　　注意：其实流就是字节数组，我们把数据转变成一系列的字节数组（0101这样的数据）

1.2、序列化和反序列化的应用

　　1）进程间的通信

　　2）持久化存储

1.3、RPC序列化格式要求

　　在Hadoop中，系统中多个节点上进程间的通信是通过“远程过程调用（RPC）”实现的。RPC协议将消息序列化成二进制流后发送到远程节点，远程节点

　　将二进制流反序列化为原始信息。通常情况下，RPC序列化格式如下：

　　　　1）紧凑（compact）

　　　　　　紧凑格式能充分利用网络带宽。

　　　　2）快速（Fast）

　　　　　　进程间通信形成了分布式系统的骨架，所以需要尽量减少序列化和反序列化的性能开销，这是基本..最基本的。

　　　　3）可扩展（Extensible）

　　　　　　为了满足新的需求，协议不断变化。所以控制客户端和服务器的过程中，需要直接引进相应的协议。

　　　　4）支持互操作（Interoperable）

　　　　　　对于某些系统来说，希望能支持以不同语言写的客户端与服务器交互，所以需要设计需要一种特定的格式来满足这一需求。

二、Hadoop中和虚序列化相关的接口和类

　　在Java中将一个类写为可以序列化的类是实现Serializable接口

　　在Hadoop中将一个类写为可以序列化的类是实现Writable接口，它是一个最顶级的接口。

1.1、Hadoop对基本数据类型的包装

　　Hadoop参照JDK里面的数据类型实现了自己的数据类型，Hadoop自己实现的原理会使数据更紧凑一些，效率会高一些。序列化之后的字节数组大小会比

　　JDK序列化出来的更小一些。

　　所有Java基本类型的可写包装器，除了char（可以是存储在IntWritable中）。所有的都有一个get（）和set（）方法来检索和存储包装值。　　

　　Java中的String对应着Hadoop中的Text，Text可以存储2G的字符串大小。

1.2、Writable接口

　　1）Writable接口概述

　　2）接口中的方法

　　　　Writable接口定义了两个方法：

　　　　　　一个将其状态写到DataOutput二进制流，另一个从DataInput二进制流读取状态。

　　3）API中Writable接口的例子：　　　

 public class MyWritable implements Writable { 
       // Some data      
       private int counter; 
       private long timestamp; 
        
       public void write(DataOutput out) throws IOException { 
         out.writeInt(counter); 
         out.writeLong(timestamp); 
       } 
        
       public void readFields(DataInput in) throws IOException { 
         counter = in.readInt(); 
         timestamp = in.readLong(); 
       } 
        
       public static MyWritable read(DataInput in) throws IOException { 
         MyWritable w = new MyWritable(); 
         w.readFields(in); 
         return w; 
       } 
     }

　　思考：在Java中已经有序列化和反序列化相关的类和方法，为什么Hadoop还要去自己设计一套呢？

　　　　因为Hadoop认为Java设计的序列化和反序列化相关的类和方法性能不够好，效率太低了。所以就自己设计一套。

　　4）Writable的继承关系

1.3、实例解释Java和Hadoop数据类型序列化的差别

　　1）核心代码

import java.io.ByteArrayInputStream; 
import java.io.ByteArrayOutputStream; 
import java.io.DataInputStream; 
import java.io.IOException; 
import java.io.ObjectOutputStream; 
import org.apache.hadoop.io.IntWritable; 
import org.apache.hadoop.io.Writable; 
 
    //测试使用Hadoop序列化和JDK序列化之间的区别 
public class SerializationCompare_0010{ 
    //Writable是Hadoop中所有数据类型的父类（父接口）。 
    public static byte[] serialize(Writable writable) throws IOException{ 
        //这是一种编程思想，因为我们返回的是一个字节数组，所以进行了一下流的转换。 
        ByteArrayOutputStream baos= 
            new ByteArrayOutputStream(); 
        ObjectOutputStream oos= 
            new ObjectOutputStream(baos); 
        writable.write(oos); 
        oos.close(); 
        return baos.toByteArray(); 
    } 
 
    //能序列化的一定是类类型，所以这里使用int类型的包装类 
    public static byte[] serialize(Integer integer) throws IOException{ 
        ByteArrayOutputStream baos= 
            new ByteArrayOutputStream(); 
        ObjectOutputStream oos= 
            new ObjectOutputStream(baos); 
        oos.writeInt(integer); 
        oos.close(); 
        return baos.toByteArray(); 
    } 
 
    public static Writable deserialize(byte[] bytes) throws IOException{ 
        ByteArrayInputStream bais= 
            new ByteArrayInputStream(bytes); 
        DataInputStream dis= 
            new DataInputStream(bais); 
        IntWritable iw=new IntWritable(); 
        iw.readFields(dis); 
        return iw; 
    } 
 
    public static void main(String[] args) throws IOException{ 
        IntWritable iw=new IntWritable(200); 
　　　　 //hadoop也可以使用set方法传值 
        // iw.set(300); 
        byte[] bytes=serialize(iw); 
        System.out.println("Hadoop："+bytes.length); 
        //Writable deIw=deserialize(bytes); 
        //System.out.println("Hadoop Deserialize："+deIw); 
 
        Integer integer=new Integer(200); 
        bytes=serialize(integer); 
        System.out.println("Java："+bytes.length); 
    } 
}

SerializationCompare_0010

　　2）测试结果

　　　　其实这里虽然是字节数组长度相同，但是在大数据中，其实是Hadoop占优势的。

1.4、在Hadoop中写一个序列化的类

　　1）核心代码

import java.io.ByteArrayOutputStream; 
import java.io.DataInput; 
import java.io.DataOutput; 
import java.io.DataOutputStream; 
import java.io.IOException; 
import java.util.ArrayList; 
import java.util.Arrays; 
import java.util.List; 
import org.apache.hadoop.io.BooleanWritable; 
import org.apache.hadoop.io.IntWritable; 
import org.apache.hadoop.io.Text; 
import org.apache.hadoop.io.Writable; 
public class StudentDemo_0010{ 
public static void main(String[] args) throws IOException{ 
Student student=new Student(); 
student.setId(new IntWritable(10)); 
student.setName(new Text("Lance")); 
student.setGender(true); 
ByteArrayOutputStream baos= 
new ByteArrayOutputStream(); 
DataOutputStream dos= 
new DataOutputStream(baos); 
student.write(dos); 
byte[] data=baos.toByteArray(); 
System.out.println(Arrays.toString(data)); 
System.out.println(data.length); 
// 将data进行反序列化？ 
    } 
} 
class Student implements Writable{ 
private IntWritable id; 
private Text name; 
private boolean gender; 
private List<Text> list=new ArrayList<>(); 
Student(){ 
id=new IntWritable(); 
name=new Text(); 
} 
/** 
* 
* @param student 
*/ 
Student(Student student){ 
// 在Hadoop中这属于引用复制，完全杜绝这种现象 
//this.id=student.id; 
//this.name=student.name; 
// 在Hadoop中要使用属性值的复制 
id=new IntWritable(student.id.get()); 
name=new Text(student.name.toString()); 
} 
@Override 
public void write(DataOutput out) throws IOException{ 
id.write(out); 
name.write(out); 
BooleanWritable gender= 
new BooleanWritable(this.gender); 
gender.write(out); 
// 在Hadoop中序列化Java中所对应的集合的时候， 
// 应该现将集合的长度进行序列化，然后将集合中的 
// 每一个元素进行序列化 
int size=list.size(); 
new IntWritable(size).write(out); 
for(int i=0;i<size;i++){ 
Text text=list.get(i); 
text.write(out); 
} 
} 
@Override 
public void readFields(DataInput in) throws IOException{ 
id.readFields(in); 
name.readFields(in); 
BooleanWritable bw=new BooleanWritable(); 
bw.readFields(in); 
gender=bw.get(); 
// 在反序列化集合的时候应该先反序列化集合的长度 
IntWritable size=new IntWritable(); 
size.readFields(in); 
// 再反序列化流中所对应的结合中的每一个元素 
        list.clear(); 
for(int i=0;i<size.get();i++){ 
Text text=new Text(); 
text.readFields(in); 
list.add(text);// 此步骤有没有问题？？？ 
        } 
} 
public IntWritable getId(){ 
return id; 
} 
public void setId(IntWritable id){ 
this.id=id; 
} 
public Text getName(){ 
return name; 
} 
public void setName(Text name){ 
this.name=name; 
} 
public boolean isGender(){ 
return gender; 
} 
public void setGender(boolean gender){ 
this.gender=gender; 
} 
public List<Text> getList(){ 
return list; 
} 
public void setList(List<Text> list){ 
this.list=list; 
} 
}

StudentDemo_0010

　　2）测试执行：

　　　　　　注意：” 第一部分”：代表的是id，占四个字节。

　　　　　　　　　“第二部分”：代表的是name，首先5是代表字符的长度，后面是字符的ASCII码。

　　　　　　　　　　　　注意如果将name的值改为中文，比如“二蛋子”如果是GBK编码就会占6个字节，如果是UTF-8编码就会占9个字节。　　

　　　　　　　　　“第三部分”：代表的是gender，1表示ture，0表示false。

　　　　　　　　　“第四部分”：在我们list中的size，虽然这里没有数据，但是int类型的仍然会占4个字节数。

四、Hadoop中和比较相关的接口和类

4.1、WritableComparable<T>接口

　　1）概述

　　　　继承了两个接口

　　2）相关方法

　　　　继承过来的三个方法

4.2、RawComparator<T>接口

　　1）概述

　　2）相关方法

　　　　除了Comparator中继承的两个方法，它自己也定义了一个方法有6个参数，这是在字节流的层面上去做比较。（第一个参数：指定字节数组，第二个参数：从哪里开始比较，第三个参数：比较多长）

　　在考虑到使用RawComparator比较不方便，有出现了一个实现类。

4.3、WritableComparator类

　　1）概述

　　2）构造方法

　　3）相关方法

　　　　截取了部分

　　介绍了上面的类和这些方法，我们Hadoop中有实现了一些既可以序列化也可以比较的类：

　　那我们如果自定义一个类型去实现比较的功能呢？在我们前面写了一个Student的类，它具有序列化的功能，那怎么样才能有比较的功能呢？

　　在Java中如果让一个类的对象具有可比较性
　　　　1）实现Comparable接口
　　　　2）编写独立的比较器，Comparator

　　而在Hadoop如果你要实现比较的功能有：

　　从上面的图中可以看出：

　　　　要是一个类具有比较功能又有序列化的功能可以去实现WritableComparable接口，如果你要一个类只要有比较功能

　　　　可以去写一个比较器用RawComparator或WritableComparator。

　　　　总的来说最好还是去实现WritableComparable接口，因为又有序列化的功能又有比较的功能。

五、Hadoop实现序列化和比较功能

功能分析：

5.1、核心代码

import java.io.ByteArrayInputStream; 
import java.io.ByteArrayOutputStream; 
import java.io.DataInput; 
import java.io.DataInputStream; 
import java.io.DataOutput; 
import java.io.DataOutputStream; 
import java.io.IOException; 
import org.apache.hadoop.io.BooleanWritable; 
import org.apache.hadoop.io.IntWritable; 
import org.apache.hadoop.io.IntWritable.Comparator; 
import org.apache.hadoop.io.RawComparator; 
import org.apache.hadoop.io.Text; 
import org.apache.hadoop.io.VIntWritable; 
import org.apache.hadoop.io.WritableComparable; 
import org.apache.hadoop.io.WritableUtils; 
public class P00120_AccountWritable_0010{ 
public static void main(String[] args){ 
AccountWritable aw1=new AccountWritable(); 
aw1.set(new IntWritable(30),new Text("zyh"),new BooleanWritable(true)); 
AccountWritable aw2=new AccountWritable(); 
aw2.set(new IntWritable(30),new Text("zyh"),new BooleanWritable(true)); 
AccountWritable.DiyComparator comparator=new AccountWritable.DiyComparator(); 
System.out.println(comparator.compare(aw1,aw2)); 
} 
} 
class AccountWritable 
implements WritableComparable<AccountWritable>{ 
private IntWritable code; 
private Text name; 
private BooleanWritable gender; 
AccountWritable(){ 
code=new IntWritable(); 
name=new Text(); 
gender=new BooleanWritable(); 
} 
// 把参数类型和类类型相同的构造器，叫复制构造器 
    AccountWritable(AccountWritable aw){ 
code=new IntWritable(aw.getCode().get()); 
name=new Text(aw.getName().toString()); 
gender=new BooleanWritable(aw.getGender().get()); 
} 
public void set(IntWritable code,Text name,BooleanWritable gender){ 
this.code=new IntWritable(code.get()); 
this.name=new Text(name.toString()); 
this.gender=new BooleanWritable(gender.get()); 
} 
@Override 
public int compareTo(AccountWritable o){ 
/*return this.code.compareTo(o.code)!=0?code.compareTo(o.code): 
(name.compareTo(o.name)!=0?name.compareTo(o.name):(this.gender.compareTo(o.gender)!=0?gender.compareTo(o.gender):0));*/ 
int comp=this.code.compareTo(o.code); 
if(comp!=0){ 
return comp; 
}else{ 
comp=this.name.compareTo(o.name); 
if(comp!=0){ 
return comp; 
}else{ 
comp=this.gender.compareTo(o.gender); 
if(comp!=0){ 
return comp; 
}else{ 
return 0; 
} 
} 
} 
} 
@Override 
public void write(DataOutput out) throws IOException{ 
code.write(out); 
name.write(out); 
gender.write(out); 
} 
@Override 
public void readFields(DataInput in) throws IOException{ 
code.readFields(in); 
name.readFields(in); 
gender.readFields(in); 
} 
　　 
　　 
　　　//实现一个比较器 
static class DiyComparator 
implements RawComparator<AccountWritable>{ 
private IntWritable.Comparator ic= 
new Comparator(); 
private Text.Comparator tc= 
new Text.Comparator(); 
private BooleanWritable.Comparator bc= 
new BooleanWritable.Comparator(); 
@Override 
public int compare(byte[] b1,int s1,int l1,byte[] b2,int s2,int l2){ 
// code被序列化后在b1和b2数组中的起始位置以及字节长度 
int firstLength=4; 
int secondLength=4; 
int firstStart=s1; 
int secondStart=s2; 
int firstOffset=0; 
int secondOffset=0; 
// 比较字节流中的code部分 
int comp=ic.compare( 
b1,firstStart,firstLength, 
b2,secondStart,secondLength); 
if(comp!=0){ 
return comp; 
}else{ 
try{ 
// 获取记录字符串的起始位置 
firstStart=firstStart+firstLength; 
secondStart=secondStart+secondLength; 
// 获取记录字符串长度的VIntWritable的值的长度，被称为offset 
firstOffset=WritableUtils.decodeVIntSize(b1[firstStart]); 
secondOffset=WritableUtils.decodeVIntSize(b2[secondStart]); 
// 获取字符串的长度 
firstLength=readLengthValue(b1,firstStart); 
secondLength=readLengthValue(b2,secondStart); 
}catch(IOException e){ 
e.printStackTrace(); 
} 
// 比较字节流中的name部分 
comp=tc.compare(b1,firstStart+firstOffset,firstLength,b2,secondStart+secondOffset,secondLength); 
if(comp!=0){ 
return comp; 
}else{ 
firstStart+=(firstOffset+firstLength); 
secondStart+=(secondOffset+secondLength); 
firstLength=1; 
secondLength=1; 
// 比较字节流中的gender部分 
return bc.compare(b1,firstStart,firstLength,b2,secondStart,secondLength); 
} 
} 
} 
private int readLengthValue( 
byte[] bytes,int start) throws IOException{ 
DataInputStream dis= 
new DataInputStream( 
new ByteArrayInputStream( 
bytes,start,WritableUtils.decodeVIntSize(bytes[start]))); 
VIntWritable viw=new VIntWritable(); 
viw.readFields(dis); 
return viw.get(); 
} 
@Override 
public int compare(AccountWritable o1,AccountWritable o2){ 
ByteArrayOutputStream baos1=new ByteArrayOutputStream(); 
DataOutputStream dos1=new DataOutputStream(baos1); 
ByteArrayOutputStream baos2=new ByteArrayOutputStream(); 
DataOutputStream dos2=new DataOutputStream(baos2); 
try{ 
o1.write(dos1); 
o2.write(dos2); 
dos1.close(); 
dos2.close(); 
byte[] b1=baos1.toByteArray(); 
byte[] b2=baos2.toByteArray(); 
return compare(b1,0,b1.length,b2,0,b2.length); 
}catch(IOException e){ 
e.printStackTrace(); 
} 
return 0; 
} 
} 
public IntWritable getCode(){ 
return code; 
} 
public void setCode(IntWritable code){ 
this.code=code; 
} 
public Text getName(){ 
return name; 
} 
public void setName(Text name){ 
this.name=name; 
} 
public BooleanWritable getGender(){ 
return gender; 
} 
public void setGender(BooleanWritable gender){ 
this.gender=gender; 
} 
}

AccountWritable

　　注意如果一个类即实现了WritableComparatable接口又写了比较器，优先使用比较器。

喜欢就点个“推荐”！

原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/7714.html

Hadoop（十一）Hadoop IO之序列化与比较功能实现详解大数据

一、序列化和反序列化概述

1.1、序列化和反序列化的定义

1.2、序列化和反序列化的应用

1.3、RPC序列化格式要求

二、Hadoop中和虚序列化相关的接口和类

1.1、Hadoop对基本数据类型的包装

1.2、Writable接口

1.3、实例解释Java和Hadoop数据类型序列化的差别

1.4、在Hadoop中写一个序列化的类

四、Hadoop中和比较相关的接口和类

4.1、WritableComparable<T>接口

4.2、RawComparator<T>接口

4.3、WritableComparator类

五、Hadoop实现序列化和比较功能

5.1、核心代码

发表回复

Hadoop（十一）Hadoop IO之序列化与比较功能实现详解大数据

一、序列化和反序列化概述

1.1、序列化和反序列化的定义

1.2、序列化和反序列化的应用

1.3、RPC序列化格式要求

二、Hadoop中和虚序列化相关的接口和类

1.1、Hadoop对基本数据类型的包装

1.2、Writable接口

1.3、实例解释Java和Hadoop数据类型序列化的差别

1.4、在Hadoop中写一个序列化的类

四、Hadoop中和比较相关的接口和类

4.1、WritableComparable<T>接口

4.2、RawComparator<T>接口

4.3、WritableComparator类

五、Hadoop实现序列化和比较功能

5.1、核心代码

相关推荐

发表回复