Hadoop阅读笔记（六）——洞悉Hadoop序列化机制Writable

　　酒，是个好东西，前提要适量。今天参加了公司的年会，主题就是吃、喝、吹，除了那些天生话唠外，大部分人需要加点酒来作催化剂，让一个平时沉默寡言的码农也能成为一个喷子！在大家推杯换盏之际，难免一些画面浮现脑海，有郁闷抓狂的，有出成果喜极而涕的，有不知前途在哪儿的迷茫与不安……总的来说，近一年来，不白活，不虚度，感触良多，不是一言两语能说得清道的明的，有时间可以做个总结，下面还是言归正传谈技术吧。

上篇在了解了Hadoop的目录和源码结构后，说好的要啃源码的，那就得啃。也感谢一直以来关注我、支持我的网友，您的关注一直都是我默默前行的动力，也是我在这个行业摸打滚爬的精神食粮^_^

　　这里，我们主要对于org.apache.hadoop.conf和org.apache.hadoop.io包的部分进行一个解读，主要包含了hadoop的资源配置类Configuration、hadoop的序列化机制、Writable的地位与继承实现关系、常用类解析。

　　一、Hadoop资源配置Configuration

　　Hadoop没有使用java.util.Properties管理配置文件，其使用了一套独有的配置文件管理系统，并提供自己的API，即使用org.apache.hadoop.conf.Configuration处理配置信息。

　　通过org.apache.io.conf包我们可以发现主要包含以下几个接口和类：

Configurable:接口

　　方法:setConf（）、getConf（）

Configured:实现了Configurable的类

　　方法：除了实现了Configurable接口中的方法，还有构造函数、用于配置Configuration参数

　　Configuration:

　　Configuration类用来设定资源文件。资源文件是包含键值对的XML数据，其可以是字符串或是路径。如果是字符串，将会根据字符串代表的文件名到classpath下找，如果是路径，则会直接到本地文件系统查找。

　　Hadoop默认是加载两个资源文件：core-default.xml和core-site.xml

　　Configuration参数可以声明为final类型，一旦定义为final类型，后面就无法被更改，例子如下：

<property>
    <name>dfs.client.buffer.dir</name>
    <value>/tmp/hadoop/dfs/client</value>
    <final>true</final>
</property>

 主要方法：有添加资源文件addResource、获取属性值get、设置一个键值对set、获取资源文件个数size等。

　　二、Hadoop序列化机制

　　在进程间传递对象或对象持久化存储的时候，就不得不提到序列化以及反序列化，就需要序列化对象成字节流，反之当要将接收到或从磁盘读取的字节流转换为对象，就要进行反序列化。

序列化：把对象转换为字节序列的过程

　　反序列化：把字节序列恢复为对象的过程

　　下面是传统序列化和反序列化的代码示例：

　　MyObject（用于序列化和反序列化的类对象）：

public class MyObject  implements Serializable{
	private static final long serialVersionUID = -5809782578272943999L;
	public String name ;
	private int age;
	public String sex;
	public String getName() {
		return name;
	}
	public void setName(String name) {
		this.name = name;
	}
	public int getAge() {
		return age;
	}
	public void setAge(int age) {
		this.age = age;
	}
	public String getSex() {
		return sex;
	}
	public void setSex(String sex) {
		this.sex = sex;
	}
}

测试序列化和反序列化代码：

public class MySerializableTest {

	public static void main(String[] args) throws FileNotFoundException, IOException, ClassNotFoundException {
		SerializeObject();
		MyObject object = Deserialize();
		System.out.println("name:" + object.getName() + "\tage:" + object.getAge() + "\tsex:" + object.getSex());
	}

	private static MyObject Deserialize() throws FileNotFoundException, IOException, ClassNotFoundException {
		ObjectInputStream oi = new ObjectInputStream(new FileInputStream(new File("/usr/local/hadoop-0.20.2/serialize.txt")));
		MyObject object = (MyObject) oi.readObject();
		System.out.println("反序列化成功");
		return object;
	}

	private static void SerializeObject() throws FileNotFoundException, IOException {

		MyObject object = new MyObject();
		object.setName("Jackie");
		object.setAge(25);
		object.setSex("male");
		ObjectOutputStream oo = new ObjectOutputStream(new FileOutputStream(new File("/usr/local/hadoop-0.20.2/serialize.txt")));
		oo.writeObject(object);
		System.out.println("序列化成功");
		oo.close();
		
	}
}

最终控制台打印信息：

序列化成功
反序列化成功
name:Jackie	age:25	sex:male

注意：一定要在要序列化和反序列化的类上实现标记接口Serializable，否则会报错。

　　当然，这不是我们要将的Hadoop的序列化机制，深入研究传统的序列化机制，就会发现这种Java序列化机制有自己的缺陷比如计算开销大、序列化的结果占用空间大等。作为一个分布式集群的代名词，这种缺点是不可饶恕的，在每个节点之间进行RPC通讯时当遇到不可想象的序列化后的对象占用空间，这是一种灾难。所以，Hadoop编写实现了自己的序列化机制。

　　三、Writable的家族体系

　　Hadoop的序列化要从这个Writable接口说起。

　　Writable接口，即org.apache.hadoop.io.Writable接口，整个Hadoop的所有可序列化的对象接口都必须实现Writable接口，该接口的方法很简单，与传统的序列化类神似。一个是write方法，用于将对象写入字节流，一个是readFields方法，用于将字节流读出解析成对象。

　　代码示例：

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;
       }
 }

Writable的家族很庞大，主要成员涵盖在下面的一幅图中：

　　四、常见类举例

　　BytesWritable

　　该类实现了WritableComparable、Writable、Comparable。其用于一串字节序列。

　　其主要方法除了readFields（DataInput in）、write（DataOutput out）外，还有equals（Object right_obj）、getSize（）这样的方法。

　FloatWritable

　　该类实现了WritableComparable、Writable、Comparable。用于Float类型的序列化。

　　其主要方法有compareTo（Object o）、readFields（DataInput in）、write（DataOutput out）等。

　　IOUtils

　　该类是I/O操作类。

　　主要方法有忽略异常关闭closeable对象cleanup（）方法、忽略异常关闭流closeStream（）方法、拷贝流copyBytes（）方法、循环读取字节流长度readFully（）方法等。

　　MapFile

　　MapFile是一个Map集合，包含两个文件：数据文件（map中的键值对）、索引文件

　　索引文件会一次性完全读进内存，所以，键的实现需要尽可能小。

　　Map文件是通过有序的添加entries构成的，为维持这么个大数据及，通过在一个有序列表中拷贝先前版本进行更新，并得到最新版本的数据文件。

　　Text

　　该类存储采用UTF-8编码的文本，其提供了在字节流层面的序列/反序列文本、比较文本的方法。另外其还提供了翻转字符串的方法。

　　主要方法有：charAt、clear、decode、encode、find、readFields、write等

　　SequenceFiles

　　SequenceFiles是由二进制键值对构成的平面文件。

　　SequenceFile文件有三个写入类基于SequenceFile.CompressionType压缩键值对

　　1.Writer：不压缩

　　2.RecordCompressWriter：记录压缩，只压缩value

　　3.BlockCompressWriter：块压缩，压缩key和value

　　WritableFactory

　　该类可以用来创建Writable对象

　　对于Hadoop等大数据技术有兴趣的欢迎加群413471695交流讨论^_^