使用Apache Avro序列化、反序列化数据

本文通过两个示例介绍如何使用avro序列化，反序列数据（Avro的简介请参阅：https://blog.youkuaiyun.com/Mathieu66/article/details/105601509）。

我们知道使用Avro序列化、反序列化数据时需要使用数据的schema（schema是对数据结构的描述）。使用时，可以生成schema描述的java类，再基于生成的java类做数据处理，也可以不生成，使用Avro提供的通用数据结构GenericRecord。生成java类的方法官网提供了两种：

1）使用avro提供的工具包手动生成（这与使用Protocol Buffer类似），这种方式略显麻烦，这里不做介绍。

java -jar /path/to/avro-tools-1.9.2.jar compile schema <schema file> <destination>

2）使用maven插件，编译后自动生成。

这里我们先介绍不生成schema Java类的Avro列化反序列化使用方式，之后再介绍需要生成schema Java类的方式。

我们的demo很简单，使用json描述User的基本信息，实例化User，序列化，写出到文件，然后再反序列化将其读出打印在控制台。

首先，我们要定义schema信息User.avsc，位置可自定义（我的在test-avro/src/main/avro目录下,test-avro是项目名)。

namespace是生成schema Java类时使用的。比如这里的User.java将会生成在mvn插件定义的outputDirectory下的com.mathieu.avro路径下。

{"namespace": "com.mathieu.avro",
 "type": "record",
 "name": "User",
 "fields": [
     {"name": "name", "type": "string"},
     {"name": "favorite_number",  "type": ["int", "null"]},
     {"name": "favorite_color", "type": ["string", "null"]}
 ]
}

两种方式均需要引入Avro依赖包

<dependency>
  <groupId>org.apache.avro</groupId>
  <artifactId>avro</artifactId>
  <version>1.9.2</version>
</dependency>

下面开始实操：

1. 不生成schema Java类的方式

package com.mathieu.avro;

import org.apache.avro.Schema;
import org.apache.avro.file.DataFileReader;
import org.apache.avro.file.DataFileWriter;
import org.apache.avro.generic.GenericData;
import org.apache.avro.generic.GenericDatumReader;
import org.apache.avro.generic.GenericDatumWriter;
import org.apache.avro.generic.GenericRecord;
import org.apache.avro.io.DatumReader;
import org.apache.avro.io.DatumWriter;

import java.io.File;
import java.io.IOException;

/**
 * 不生成Schema代码的Avro示例.
 */
public class AvroDemoWithoutCodeGeneration {
  public static void main(String[] args) throws IOException {
    // 读取Schema
    Schema schema = new Schema.Parser().parse(new File("test-avro/src/main/avro/User.avsc"));

    // 使用schema创建用户对象.
    GenericRecord user1 = new GenericData.Record(schema);
    user1.put("name", "Alyssa");
    user1.put("favorite_number", 256);

    GenericRecord user2 = new GenericData.Record(schema);
    user2.put("name", "Ben");
    user2.put("favorite_number", 7);
    user2.put("favorite_color", "red");

    // 序列化并写出到磁盘
    File file = new File("test-avro/src/main/resources/users.avro");
    DatumWriter<GenericRecord> datumWriter = new GenericDatumWriter<GenericRecord>(schema);
    DataFileWriter<GenericRecord> dataFileWriter = new DataFileWriter<GenericRecord>(datumWriter);
    dataFileWriter.create(schema, file);
    dataFileWriter.append(user1);
    dataFileWriter.append(user2);
    dataFileWriter.close();

    // 从磁盘反序列化，打印在控制台
    DatumReader<GenericRecord> datumReader = new GenericDatumReader<GenericRecord>(schema);
    DataFileReader<GenericRecord> dataFileReader = new DataFileReader<GenericRecord>(file, datumReader);
    GenericRecord user = null;
    while (dataFileReader.hasNext()) {
      user = dataFileReader.next(user);
      System.out.println(user);
    }
    // 运行结果：
    // {"name": "Alyssa", "favorite_number": 256, "favorite_color": null}
    // {"name": "Ben", "favorite_number": 7, "favorite_color": "red"}
  }
}

2.生成Schema Java类的方式

需要添加maven插件

      <plugin>
        <groupId>org.apache.avro</groupId>
        <artifactId>avro-maven-plugin</artifactId>
        <version>1.9.2</version>
        <executions>
          <execution>
            <phase>generate-sources</phase>
            <goals>
              <goal>schema</goal>
            </goals>
            <configuration>
              <sourceDirectory>${project.basedir}/src/main/avro/</sourceDirectory>
              <outputDirectory>${project.basedir}/src/main/java</outputDirectory>
            </configuration>
          </execution>
        </executions>
      </plugin>
      <plugin>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-compiler-plugin</artifactId>
        <configuration>
          <source>1.8</source>
          <target>1.8</target>
        </configuration>
      </plugin>

注意：

${project.basedir}/src/main/avro  -> User.avsc文件所在路径

${project.basedir}/src/main/java + namespace -> User.java文件坐在路径

在执行 mvn compile 生成User.java文件（第一种方式不会生成User.java文件）。

使用User.java进行数据序列化反序列化的代码：

package com.mathieu.avro;

import org.apache.avro.file.DataFileReader;
import org.apache.avro.file.DataFileWriter;
import org.apache.avro.io.DatumReader;
import org.apache.avro.io.DatumWriter;
import org.apache.avro.specific.SpecificDatumReader;
import org.apache.avro.specific.SpecificDatumWriter;

import java.io.File;
import java.io.IOException;

/**
 * Avro示例（使用CodeGeneration）.
 *
 */
public class AvroDemoWithCodeGeneration {
  public static void main(String[] args) throws IOException {
    // 使用三种不同的方式实例化三个user
    User user1 = new User();
    user1.setName("Alyssa");
    user1.setFavoriteNumber(256);

    User user2 = new User("Ben", 7, "red");

    User user3 = User.newBuilder()
        .setName("Charlie")
        .setFavoriteColor("blue")
        .setFavoriteNumber(null)
        .build();

    // 序列化user1, user2 and user3 到磁盘
    DatumWriter<User> userDatumWriter = new SpecificDatumWriter<User>(User.class);
    DataFileWriter<User> dataFileWriter = new DataFileWriter<User>(userDatumWriter);
    File file = new File("test-avro/src/main/resources/users.avro");
    dataFileWriter.create(user1.getSchema(), file);
    dataFileWriter.append(user1);
    dataFileWriter.append(user2);
    dataFileWriter.append(user3);
    dataFileWriter.close();

    // 从磁盘反序列化
    DatumReader<User> userDatumReader = new SpecificDatumReader<User>(User.class);
    DataFileReader<User> dataFileReader = new DataFileReader<User>(file, userDatumReader);
    User user = null;
    while (dataFileReader.hasNext()) {
      user = dataFileReader.next(user);
      System.out.println(user);
    }

    // 运行结果
/*  {"name": "Alyssa", "favorite_number": 256, "favorite_color": null}
    {"name": "Ben", "favorite_number": 7, "favorite_color": "red"}
    {"name": "Charlie", "favorite_number": null, "favorite_color": "blue"}*/

  }
}

参考：http://avro.apache.org/docs/current/gettingstartedjava.html