Hadoop 学习研究(一): 序列化与Writable
来源:互联网 发布:scala编程实战pdf下载 编辑:程序博客网 时间:2024/06/16 03:48
本文所有分析都基于Hadoop 2.6.5
序列化和反序列化就是结构化对象和字节流之间的转换,主要用在内部进程的通讯和持久化存储方面。
序列化存储格式要求:
void write(DataOutput out) throws IOException; //将数据写到二进制流中
void readFields(DataInput in) throws IOException; //从二进制流中读取数据
}
class key_own implements WritableComparable{String date1; //date1 + date2 用来排序 04/Jan/2012:03 : 27:01String date2;public key_own(){}public key_own(String date1, String date2){this.date1 = date1; this.date2 = date2;}@Overridepublic void write(DataOutput out) throws IOException {// TODO Auto-generated method stubout.writeUTF(date1);out.writeUTF(date2);}@Overridepublic void readFields(DataInput in) throws IOException {// TODO Auto-generated method stubdate1 = in.readUTF();date2 = in.readUTF();}@Overridepublic int compareTo(Object o) {key_own o2 = (key_own) o;if(this.date1.compareTo(o2.date1)<0){return -1;}else{return 1;}}@Overridepublic String toString() {// TODO Auto-generated method stubreturn date1 + " " + date2;}//此处是用来验证序列化流的 public byte[] serialize(Writable w)throws IOException{ //序列化 ByteArrayOutputStream out = new ByteArrayOutputStream(); DataOutputStream dataout = new DataOutputStream(out); w.write(dataout); dataout.close(); return out.toByteArray();} public byte[] deserialize(Writable w, byte[] bytes) throws IOException{ //反序列化<- ByteArrayInputStream in = new ByteArrayInputStream(bytes); DataInputStream datain = new DataInputStream(in); w.readFields(datain); datain.close(); return bytes;} }
序列化和反序列化对于这个类中的数据的顺序是必须要一致的,先序列化 date1,date2 反序列化也需要是date1,date2。
在实现key值的类中,注意到有一个Compareto方法,这个方法用于key值的排序,后面再进行介绍。
我们可以看一下一个输出实例: 实例化上诉类,使用serialize() 输入的
date1 = 04/Jan/2012 date2 = 00:17:04 可以看到一个序列化对应的实例, 前两个字节分别对应 符号位 和 字符串的长度
0 4 / j a n / 2 0 1 2 0 0 : 1 7 : 0 4
0 11 48 52 47 74 97 110 47 50 48 49 50 0 8 48 48 58 49 55 58 48 52
在Hadoop中,有以下几种Writable类型,以及它们所占用的字节数。各种数据的传输格式在后面的字节流比较中非常有用。
在Hadoop中提供了一个优化的RawComparator接口:
public interface RawComparator<T> extends Comparator<T> {
public int compare(byte[] b1, int s1, int l1, byte[] b2, int s2, int l2);
}
基于字节流的比较方法用于排序阶段。在实现比较的时候需要注意字节流的起始位置(s1,s2)和长度(l1,l2)。
例如上诉实例:我们采用date1进行排序阶段,则可以如下写入:
date1 = 04/Jan/2012 date2 = 00:17:04
0 4 / j a n / 2 0 1 2 0 0 : 1 7 : 0 4
0 11 48 52 47 74 97 110 47 50 48 49 50 0 8 48 48 58 49 55 58 48 52
class key_sort implements RawComparator<......>{........................................@Overridepublic int compare(byte[] b1, int s1, int l1, byte[] b2, int s2, int l2) { return WritableComparator.compareBytes(b1, s1,13, b2, s2, 13);//如果想用date2进行排序 则可以如下写入://return WritableComparator.compareBytes(b1, 13, 10, b2, 13, 10);}
- Hadoop 学习研究(一): 序列化与Writable
- hadoop序列化与Writable接口
- Hadoop序列化与Writable源码分析
- hadoop深入研究:(十)——序列化与Writable接口
- hadoop深入研究:(十一)——序列化与Writable实现
- hadoop深入研究:(十)——序列化与Writable接口
- hadoop之Writable序列化
- 序列化与Writable实现
- 序列化与Writable接口
- Hadoop(10) 序列化--Writable 类
- Hadoop 的Writable序列化接口
- Hadoop Serialization -- hadoop序列化详解 (3)【ObjectWritable,集合Writable以及自定义的Writable】
- Hadoop Serialization -- hadoop序列化详解 (3)【ObjectWritable,集合Writable以及自定义的Writable】
- hadoop自定义对象序列化Writable和WritableComparable
- hadoop的WritableComparable与Writable
- 从Hadoop Writable序列化框架到java的序列化原理
- Hadoop阅读笔记——洞悉Hadoop序列化机制Writable
- Hadoop Serialization hadoop序列化详解(最新版) (1)【java和hadoop序列化比较和writable接口】
- 大多数人,都是怎样挥霍自己天赋的
- 数据库索引的实现原理
- 校内网项目
- LintCode 二叉树的路径和
- 问题与知识点
- Hadoop 学习研究(一): 序列化与Writable
- Pyhton数据挖掘-电力窃漏电用户的自动识别
- 一篇文章看懂NB-IoT
- iOS中消息机制的处理
- Vue.js的组件化开发
- 坚守一万小时定律,为什么还是庸碌无为
- Java SDUT ACM 2445 小学数学
- 作用域链及函数调用过程相关
- Camera的组件