hadoop中的序列化与Writable接口

本文地址：http://www.cnblogs.com/archimedes/p/hadoop-writable-interface.html，转载请注明源地址。

简介

序列化和反序列化就是结构化对象和字节流之间的转换，主要用在内部进程的通讯和持久化存储方面。

通讯格式需求

hadoop在节点间的内部通讯使用的是RPC，RPC协议把消息翻译成二进制字节流发送到远程节点，远程节点再通过反序列化把二进制流转成原始的信息。RPC的序列化需要实现以下几点：

1.压缩，可以起到压缩的效果，占用的宽带资源要小。

2.快速，内部进程为分布式系统构建了高速链路，因此在序列化和反序列化间必须是快速的，不能让传输速度成为瓶颈。

3.可扩展的，新的服务端为新的客户端增加了一个参数，老客户端照样可以使用。

4.兼容性好，可以支持多个语言的客户端

存储格式需求

表面上看来序列化框架在持久化存储方面可能需要其他的一些特性，但事实上依然是那四点：

1.压缩，占用的空间更小

2.快速，可以快速读写

3.可扩展，可以老格式读取老数据

4.兼容性好，可以支持多种语言的读写

Writable接口

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二进制流读取其状态：

package org.apache.hadoop.io;
import java.io.*;
public interface Writable {
    void write(DataOutput out) throws IOException;
    void readFields(DataInput in) throws IOException;
}

我们再来看下Writable接口与序列化和反序列化是如何关联的：

package org.apache.hadoop.io;
import java.io.*;
import org.apache.hadoop.util.StringUtils;
import junit.framework.Assert;

public class WritableExample {
    public static byte[] bytes = null;
    
    //将一个实现了Writable接口的对象序列化成字节流 
    public static byte[] serialize(Writable writable) throws IOException {
        ByteArrayOutputStream out = new ByteArrayOutputStream();
        DataOutputStream dataOut = new DataOutputStream(out);
        writable.write(dataOut);
        dataOut.close();
        return out.toByteArray();
    }
    
    //将字节流转化为实现了Writable接口的对象 
    public static byte[] deserialize(Writable writable, byte[] bytes) throws IOException {
        ByteArrayInputStream in = new ByteArrayInputStream(bytes);
        DataInputStream dataIn = new DataInputStream(in);
        writable.readFields(dataIn);
        dataIn.close();
        return bytes;
    }
    
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        try {
            IntWritable writable = new IntWritable(123);
            bytes = serialize(writable);
            System.out.println("After serialize " + bytes);
            Assert.assertEquals(bytes.length, 4);
            Assert.assertEquals(StringUtils.byteToHexString(bytes), "0000007b");
            
            IntWritable newWritable = new IntWritable();  
            deserialize(newWritable, bytes);  
            System.out.println("After deserialize " + bytes);
            Assert.assertEquals(newWritable.get(),123);  
        } catch(IOException ex){
             
        }
    }
}

Hadoop序列化机制中还包含另外几个重要的接口：WritableComparable、RawComparator 和 WritableComparator

WritableComparable提供类型比较的能力，继承自Writable接口和Comparable接口，其中Comparable进行类型比较。ByteWritable、IntWritable、DoubleWritable等java基本类型对应的Writable类型，都继承自WritableComparable

效率在Hadoop中非常重要，因此Hadoop I/O包中提供了具有高效比较能力的RawComparator接口，其中RawComparator和WritableComparable的类图如下：

WritableComparable和comparators

IntWritable实现了WritableComparable，WritableComparable是Writable接口和java.lang.Comparable<T>的一个子接口。

package org.apache.hadoop.io;
public interface WritableComparable <T>  extends org.apache.hadoop.io.Writable, java.lang.Comparable<T> {
}

MapReduce在排序部分要根据key值的大小进行排序，因此类型的比较相当重要，RawComparator是Comparator的增强版

package org.apache.hadoop.io;
public interface RawComparator <T>  extends java.util.Comparator<T> {
    int compare(byte[] bytes, int i, int i1, byte[] bytes1, int i2, int i3);
}

它可以做到，不先反序列化就可以直接比较二进制字节流的大小:

package org.apache.hadoop.io;
import java.io.*;
import org.apache.hadoop.util.StringUtils;
import junit.framework.Assert;

public class ComparatorExample {
    public static byte[] serialize(Writable writable) throws IOException {
        ByteArrayOutputStream out = new ByteArrayOutputStream();
        DataOutputStream dataOut = new DataOutputStream(out);
        writable.write(dataOut);
        dataOut.close();
        return out.toByteArray();
    }
    
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        RawComparator<IntWritable> comparator;
        IntWritable w1, w2;
        comparator = WritableComparator.get(IntWritable.class);
        w1 = new IntWritable(123);
        w2 = new IntWritable(32);
        if(comparator.compare(w1, w2) <= 0)
            System.exit(0);
        try {
            byte[] b1 = serialize(w1);
            byte[] b2 = serialize(w2);
            if(comparator.compare(b1, 0, b1.length, b2, 0, b2.length) <= 0) {
                System.exit(0);
            }
        } catch(IOException ex) {
            
        }
    }
}

参考资料

《Hadoop权威指南》