hadoop 序列化特性
在hadoop 权威指南中,有如此介绍hadoop序列化机制应有如下的特性。
- Compact(紧凑)。紧凑的序列化机制可以充分利用数据中心的带宽。
- Fast(快速)。进程间的通信时会大量使用序列化机制,减少序列化和反序列化的开销有利用性能的提升。
- Extensible(可扩展)。系统升级,通信协议发生变化,类的定义发生变化,序列化机制需要支持这些升级和变化(用过java RMI的同学应该知晓如果服务端升级一个model类的定义是一件多么困难的事情)。
- Interoperable(互操作)。可以支持不同开发语言间的通信。
java的序列化机制明显不符合上述要求。java Serialization将每个对象的类名写入输出流中,这导致了java序列化对象需要占用比原对象更多的存储空间。同时,为了减少数据量,同一个类的对象的序列化结果只输出一份元数据,并通过某种形式的引用,共享元数据。引用导致序列化后的流进行处理的时候,需要保持一些状态。但是对应mapreduce这种应用来说,上百G的文件,反序列化某个对象,需要访问文件中前面的缪一个元数据,这导致文件无法切割。同时,java序列化不断的创建新对象,对应mapreduce应用,不能重用对象,在已有对象上进行反序列化操作,而是不断创建反序列化的各种类型记录,这会带来大量的系统开销。
Writable
Hadoop引入了org.apache.hadoop.io.Writable接口。必须说明的是Writable依然不容易扩展到java以外的语言。
Writable接口有两个方法:
public interface Writable {
/**
* Serialize the fields of this object to <code>out</code>.
*
* @param out <code>DataOuput</code> to serialize this object into.
* @throws IOException
*/
void write(DataOutput out) throws IOException;
/**
* Deserialize the fields of this object from <code>in</code>.
*
* <p>For efficiency, implementations should attempt to re-use storage in the
* existing object where possible.</p>
*
* @param in <code>DataInput</code> to deseriablize this object from.
* @throws IOException
*/
void readFields(DataInput in) throws IOException;
}
自己实现一个writable,如下:
public class MyWritable implements Writable {
private int counter;
private long timestamp;
@Override
public void write(DataOutput out) throws IOException {
out.writeInt(counter);
out.writeLong(timestamp);
}
@Override
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;
}
}
在Hadoop的序列化机制中,还有几个接口比较重要。RawComparator和WritableComparable
public interface WritableComparable<T> extends Writable, Comparable<T> {
}
WritableComparable继承了Writable和Comparable接口。其中我们常接触的 IntWritable、ByteWritable、DoubleWritable等java基本类型对应的Writable类型都实现了WritableComparable接口。
RawComparator 接口允许执行这比较流中读取的未被反序列化的对象记录,从而省去了创建对象的所有开销。举例:
RawComparator<IntWritable> rawComparator = WritableComparator.get(IntWritable.class);
IntWritable w1 = new IntWritable(520);
IntWritable w2 = new IntWritable(521);
System.out.println(rawComparator.compare(w1,w2));
WritableComparator 实现了 RawComparator,充当了RawComparator实例的一个工厂方法。源码如下:
/** Get a comparator for a {@link WritableComparable} implementation. */
public static WritableComparator get(
Class<? extends WritableComparable> c, Configuration conf) {
WritableComparator comparator = comparators.get(c);
if (comparator == null) {
// force the static initializers to run
forceInit(c);
// look to see if it is defined now
comparator = comparators.get(c);
// if not, use the generic one
if (comparator == null) {
comparator = new WritableComparator(c, conf, true);
}
}
// Newly passed Configuration objects should be used.
ReflectionUtils.setConf(comparator, conf);
return comparator;
}