扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
这篇文章主要讲解了“Hadoop序列化怎么实现”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Hadoop序列化怎么实现”吧！
创新互联建站坚持“要么做到，要么别承诺”的工作理念，服务领域包括：网站建设、网站制作、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的永春网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！
Hdfs: % hadoop fs -cat hdfs://namenode/data/a.txt
LocalFS: % hadoop fs -cat file:///tmp/a.txt
generate crc check sum file
%hadoop fs -copyToLocal -crc /data/a.txt file:///data/a.txt
check sum file: .a.txt.crc is a hidden file.
Ref: CRC-32,循环冗余校验算法，error-detecting.
io.bytes.per.checksum is deprecated, it's dfs.bytes-per-checksum, default is 512, Must not be larger than dfs.stream-buffer-size,which is the size of buffer to stream files. The size of this buffer should probably be a multiple of hardware page size (4096 on Intel x86), and it determines how much data is buffered during read and write operations.
常用算法
读书时，hadoop支持四种压缩算法,如果调解空间和效率的话,-1 ~ -9,代表从最优速度到最优空间. 压缩算法支持在org.apache.hadoop.io.compress.*.
deflate(.deflate), 就是常用的gzip, package ..DefaultCodec
Gzip(.gz),在deflate格式加了文件头和尾. 压缩速度(适中),解压速度(适中),压缩效率(适中),package ..GzipCodec, both of java and native
bzip2(.bz2), 压缩速度(最差),< 解压速度(最差),压缩效率 (最好)，特点是支持可切分(splitable)，对map-red非常友好。,package ..BZip2Codec,java only
LZO(.lzo), 压缩速度(最快),解压速度(最快),压缩效率(最差),,package com.hadoop.compressiojn.lzo.lzopCodec, native only
如果禁用原生库,使用hadoop.native.lib.
如果使用原生库,可能对象创建的成本较高,所以可以使用CodecPool，重复使用这些对象。
对于一个非常大的数据文件，存储如下方案：
使用支持切分的bzip2
手动切分，并使压缩后的part接近于block size.
使用Sequence File, 它支持压缩和切分
使用Avro数据文件，它也支持压缩和切分，而且增加了很多编程语言的可读写性。
如果Map-Red的output自动压缩:
conf.setBoolean ("mared.output.compress",true);
conf.setClass("mapred.output.compression.codec",GzipCodec.class,CompressionCodec.class);如果Map-Red的中间结果的自动压缩:
//or conf.setCompressMapOutput(true);
conf.setBoolean ("mared.compress.map.output",true);
//or conf.setMapOutputComressorClass(GzipCodec.class)
conf.setClass("mapred.map.output.compression.codec",GzipCodec.class,CompressionCodec.class);// core class for hadoop
public interface Writable{
void write(DataOutput out) throw IOException;
void readFields(DataInput in) throw IOException;
}
public interface Comparable{
int compareTo(T o);
}
//core class for map-reduce shuffle
public interface WritableComparable extends Writable, Comparable {
}
// Sample
public class MyWritableComparable implements WritableComparable {
// 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 int compareTo(MyWritableComparable o) {
int thisValue = this.value;
int thatValue = o.value;
return (thisValue < thatValue ? -1 : (thisValue==thatValue ? 0 : 1));
}
public int hashCode() {
final int prime = 31;
int result = 1;
result = prime * result + counter;
result = prime * result + (int) (timestamp ^ (timestamp >>> 32));
return result
}
}
//optimize for stream comparasion
public interface RawComparator extends Comparator{
// s1 start position, l1, length of bytes
public int compare(byte[] b1, int s1,int l1,byte[] b2,int s2,int l2);
}
public class WritableComparator implements RawComparator{
} WritableComparator 提供了原始compator的compare反序列化对象的实现，性能较差。不过它作为RawComparator实例的工厂：
RawComparator
// 注册一个经过优化的比较算子。Register an optimized comparator for a WritableComparable implementation.
static void define(Class c, WritableComparator comparator);
// 获得一个WritableComparable的比较算子. Get a comparator for a WritableComparable implementation.
static WritableComparator get(Class c);
public MyWritableComparator extends WritableComparator{
static{
define(MyWritableComparable.class, new MyWritableComparator());
}
public MyWritableComparator {
super(MyWritableComparable.class);
}
@Override
public int compare(byte[] b1, int s1,int l1,byte[] b2,int s2,int l2){
}
}
注: 要使static initializer被调用，除非有该类的实例被创建，或某静态方法或成员被访问。或者直接强制，代码如：
Class.forName("package.yourclass"); 它会强制初始化静态initializer.
BooleanWritable, 1
ByteWritable, 1,
BytesWritable,
IntWritable,4
VIntWritable,1~5
FloatWritable,4,
LongWritable,8,
VLongWritable,1~9
DoubleWritable,8
NullWritable,Immutable singletone.
Text,4~
MD5Hash,
ObjectWritable,
GenericWritable
ArrayWritable
TwoDArrayWritable
AbstractMapWritable
MapWritable
SortedMapWritable
值得一提的是Text的序列化方式是Zero-compressed encoding,这个看过一些资料，其实是一种编码方式，意图是省略掉高位0所占用的空间，对于小数，它能节省空间，对于大数会额外占用空间。相比压缩，它能比较快速。其实类似于VIntWritable, VLongWritable的编码方式。
- 如何选择变长和定长数值呢?
1. 定长适合分布非常均匀的数值（如hash），变长适合分布非常不均匀的数值。
2. 变长可以节省空间，而且可以在VIntWritable 和VLongWritable之间转换。
- Text和String的区别
1。String是char序列，Text是UTF-8的byte序列.
UTF-8类不能对字符串大于32767的进行utf-8编码。
(Indexing)索引：对于ASCII来说， Text和String是一样的， 对于Unicode就不同了。String类的长度是其所含char编码单元的长度，然而Text是UTF-8的字节码的长度。CodePointAt表示一个真正的Unicode字符，它可以是2char,4bytes的unicode。
Iteration(迭代): 将Text转换ByteBuffer,然后反复调用bytesToCodePoint()静态方法，可以取到整型的Unicode.
Mutable(易变性): 可以set，类似writable 和StringBuffer，getLength()返回有效字串长度，getbytes().length,返回空间大小。
这是二进制数组的封装，类似于windows下的BSTR，都是前面一个整型表示字节长度，后面是字节的二进制流。
它也是mutable,getLength() != getBytes().length
NullWritable是Writable的一个特殊类型。它的序列化长度为0，其实只是一个占位符，既不读入，也不写出。只是存在于程序体中。
Immutable,是一个singleton。
ObjectWritable是Java的Array, String, 以及Primitive类型的通用封装 (注：不包含Integer)。它的序列化则使用java的类型序列化，写入类型信息等，比较占用空间。
通过两个特殊的构造:
public ObjectWritable(Object instance);
public ObjectWritable(Class declaredClass,Object instance);
举例子：
ObjectWritable objectw = new ObjectWritable(int.class,5);
首先这是一个抽象类，需要被具象化才能使用。
观察下面这个实列，它以一种Union方式，显示的代理一个Writable实例，解决了Reduce函数的参数声明问题。
public class MyGenericWritable extends GenericWritable {
private static Class[] CLASSES = null;
static {
CLASSES = (Class[]) new Class[] {
IntWritable.class,
Text.class
//add as many different Writable class as you want
};
}
@Override
protected Class[] getTypes() {
return CLASSES;
}
@Override
public String toString() {
return "MyGenericWritable [getTypes()=" + Arrays.toString(getTypes()) + "]";
}
// override hashcode();
}
public class Reduce extends Reducer {
public void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {
} ArrayWritable aw = new ArrayWriable(Text.class);
实现了java.util.Map
它的serialize, 使用先写map
集合小结:
1. 如果是单类型的列表,使用ArrayWritable就足够了
2。如果是把不同类型的Writable存储在一个列表中:
-- 可以使用GenerickWritable,把元素封装在一个ArrayWritable，这个貌似只能同一类型。
public class MyGenericWritable extends GenericWritable {
private static Class[] CLASSES = null;
static {
CLASSES = (Class[]) new Class[] {
ArrayWritable.class,
//add as many different Writable class as you want
};
}
@Override
protected Class[] getTypes() {
return CLASSES;
}-- 可以使用写一个仿照MapWritable的ListWritable
//注意实现hashcode,equals,toString, comparTo (if possible)
//hashcode尤其重要，HashPartitioner通常用hashcode来选择reduce分区，所以为你的类写一个比较好的hashcode非常必要。
public class ListWritable extends ArrayList
}