从零开始学习Hadoop--第4章 序列化

原创
2017/01/17 09:13
阅读数 18

1. 序列化从头说

在面向对象程序设计中,类是个很重要的概念。所谓“类”,可以将它想像成建筑图纸,而对象就是根据图纸盖的大楼。类,规定了对象的一切。根据建筑图纸造房子,盖出来的就是大楼,等同于将类进行实例化,得到的就是对象。

一开始,在源代码里,类的定义是明确的,但对象的行为有些地方是明确的,有些地方是不明确的。对象里不明确地方,是因为对象在运行的时候,需要处理无法预测的事情,诸如用户点了下屏幕,用户点了下按钮,输入点东西,或者需要从网络发送接收数据之类的。后来,引入了泛型的概念之后,类也开始不明确了,如果使用了泛型,直到程序运行的时候,才知道究竟是哪种对象需要处理。


对象可以很复杂,也可以跟时序相关。一般来说,“活的”对象只生存在内存里,关机断电就没有了。一般来说,“活的”对象只能由本地的进程使用,不能被发送到网络上的另外一台计算机。


序列化,可以存储“活的”对象,可以将“活的”对象发送到远程计算机。


把“活的”对象序列化,就是把“活的”对象转化成一串字节,而“反序列化”,就是从一串字节里解析出“活的”对象。于是,如果想把“活的”对象存储到文件,存储这串字节即可,如果想把“活的”对象发送到远程主机,发送这串字节即可,需要对象的时候,做一下反序列化,就能将对象“复活”了。


将对象序列化存储到文件,术语又叫“持久化”。将对象序列化发送到远程计算机,术语又叫“数据通信”。


Java对序列化提供了非常方便的支持,在定义类的时候,如果想让对象可以被序列化,只要在类的定义上加上了”implementsSerializable”即可,比如说,可以这么定义”publicclass Building implementsSerializable”,其他什么都不要做,Java会自动的处理相关一切。Java的序列化机制相当复杂,能处理各种对象关系。


Java的序列化机制的缺点就是计算量开销大,且序列化的结果体积大太,有时能达到对象大小的数倍乃至十倍。它的引用机制也会导致大文件不能分割的问题。这些缺点使得Java的序列化机制对Hadoop来说是不合适的。于是Hadoop设计了自己的序列化机制。


为什么序列化对Hadoop很重要?因为Hadoop在集群之间进行通讯或者RPC调用的时候,需要序列化,而且要求序列化要快,且体积要小,占用带宽要小。所以必须理解Hadoop的序列化机制。

2.Hadoop的序列化接口

什么是接口?简答来说,接口就是规定,它规定类必须实现的方法。一个接口可以包含多干个方法。如果一个类说自己实现了某个接口,那么它必须实现这个接口里的所有方法。特殊情况下,接口也可以没有任何方法。


Writable接口,也就是org.apache.hadoop.io.Writable接口。Hadoop的所有可序列化对象都必须实现这个接口。Writable接口里有两个方法,一个是write方法,将对象写入字节流,另一个是readFields方法,从字节流解析出对象。


JavaAPI提供了Comparable接口,也就是java.lang.Comparable接口。这个接口只有一个方法,就是compareTo,用于比较两个对象。


WritableComparable接口同时继承了WritableComparable这两个接口。


Hadoop里的三个类IntWritableDoubleWritableByteWritable,都继承了WritableComparable接口。注意,IntWritableDoubleWritableByteWritable,尽管后缀是“Writable”,但它们不是接口,是类!!


Hadoop的序列化接口还有更多的类型,在这里不一一列举。

3.IntWritable如何序列化

3.1 目录和文件结构

这个例子演示IntWritable如何序列化。首先,创建一个IntWritable,然后,将它序列化,输出到一个字节流中。然后,创建一个新的IntWritable,从字节流中读取值,这是反序列化。


创建目录~/intser存放源代码、编译和打包结果。在intser目录下,有两个子目录,分别是src目录和classes目录,src目录存放Java源代码,class存放编译结果。在src目录下,只有一个源代码文件IntSer.java

3.2 IntSer.jav文件的源代码



packagecom.brianchen.hadoop;


importjava.io.DataOutputStream;

importjava.io.DataInputStream;

importjava.io.ByteArrayOutputStream;

importjava.io.ByteArrayInputStream;

importjava.io.IOException;


importorg.apache.hadoop.io.Writable;

importorg.apache.hadoop.io.IntWritable;

importorg.apache.hadoop.util.StringUtils;


public classIntSer{

public byte[]serialize(Writable w)throws IOException{

ByteArrayOutputStreamout = new ByteArrayOutputStream();

DataOutputStreamdataout = new DataOutputStream(out);

w.write(dataout);

dataout.close();

returnout.toByteArray();

}


public byte[]deserialize(Writable w, byte[] bytes) throws IOException{

ByteArrayInputStreamin = new ByteArrayInputStream(bytes);

DataInputStreamdatain = new DataInputStream(in);

w.readFields(datain);

datain.close();

return bytes;

}


public staticvoid main(String[] args) throws Exception{

IntWritableintw = new IntWritable(7);

byte[] bytes= serialize(intw);

Stringbytes_str = StringUtils.byteToHexString(bytes);

System.out.println(bytes_str);


IntWritableintw2 = new IntWritable(0);

deserialize(intw2,bytes);

System.out.println(intw2);

}

}


3.3 编译

cd~/intser”

javac-cp /home/brian/usr/hadoop/hadoop-1.2.1/hadoop-core-1.2.1.jar -d./classes src/*.java”

3.4 打包

jar-cvf intser.jar -C ./classes .”


3.5 运行

cd~/usr/hadoop/hadoop-1.2.1”

./bin/hadoopjar /home/brian/intser/intser.jar com.brianchen.hadoop.IntSer”

首先确认Hadoop已经是运行的,然后切换到Hadoop的安装目录,然后运行,输出结果是两行,第一行是”00000007”,第二行是”7”

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部