阅读目录(Content)
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
SerializationCompare_00102）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
StudentDemo_00102）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
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。