hadoop源码研读之路（三）----序列化
简单来说，序列化就是将对象（实例）转换为字符流（字符数组）的过程，转换后的字符流可用于网络传输或写入磁盘；相对的，反序列化就是将字符流转换成对象的过程。Hadoop有自己的序列化实现，并已提取为Avro子项目。序列化要求具有字符流紧凑，处理快速，可扩展，多语言支持特性。
Hadoop并没有采用Java的序列化，而是引入了它自己的系统。
Hadoop中定义了两个序列化相关的接口：Writable接口和Comparable接口，这两个接口可以合成一个接口WritableComparable.
Writable接口，所有实现了Writable接口的类都可以被序列化和反序列化
package org.apache.hadoop.io;
import java.io.DataOutput;
import java.io.DataInput;
import java.io.IOException;
public interface Writable {
/**
* 将对象转换为字节流并写入到输出流out中
*/
void write(DataOutput out) throws IOException;
/**
* 从输入流in中读取字节流反序列化为对象
*/
void readFields(DataInput in) throws IOException;
}
Comparable接口
所有实现了Comparable的对象都可以和自身相同类型的对象比较大小。该接口定义为：
package java.lang;
import java.util.*;
public interface Comparable<T> {
/**
* 将this对象和对象o进行比较，约定：返回负数为小于，零为大于，整数为大于
*/
public int compareTo(T o);
}
Hadoop自带的序列化接口
实现了WritableComparable接口的类：
-
基础：BooleanWritable | ByteWritable
-
数字：IntWritable | VIntWritable | FloatWritable | LongWritable | VLongWritable | DoubleWritable
-
高级：NullWritable | Text | BytesWritable | MDSHash | ObjectWritable | GenericWritable
仅实现了Writable接口的类：
-
数组：ArrayWritable | TwoDArrayWritable
-
映射：AbstractMapWritable | MapWritable | SortedMapWritable
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.DataInputStream;
import java.io.DataOutputStream;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.util.StringUtils;
public class Serialize {
/**
* 将Writable对象转换成字节流
*/
public static byte[] serialize(Writable writable) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
DataOutputStream dataOut = new DataOutputStream(out);
writable.write(dataOut);
dataOut.close();
return out.toByteArray();
}
/**
* 将字节流转换成Writable对象
*/
public static void deserialize(Writable writable, byte[] bytes)
throws IOException {
ByteArrayInputStream in = new ByteArrayInputStream(bytes);
DataInputStream dataIn = new DataInputStream(in);
writable.readFields(dataIn);
dataIn.close();
}
/**
* 打印字节流
*/
public static void printBytesHex(byte[] bytes) {
for (int i = 0; i < bytes.length; i++) {
System.out.print(StringUtils.byteToHexString(bytes, i, i + 1)
.toUpperCase());
if (i % 16 == 15)
System.out.print('\n');
else if (i % 1 == 0)
System.out.print(' ');
}
}
public static void main(String[] args) throws IOException {
IntWritable intWritable = new IntWritable(99999);
// 序列化
byte[] bytes = serialize(intWritable);
printBytesHex(bytes);
IntWritable intWritable2 = new IntWritable();
// 反序列化
deserialize(intWritable2, bytes);
System.out.println(intWritable2);
}
}
运行该程序可以得到：数字9999序列化字符流之后为：00 01 86 9F
VIntWritable和VLongWritable 这两个是同一個实现，将数字转化成变长的字節流，数字越小，字符流越短。
Text 经常使用，序列化为字符流长度 + String的UTF8编码，最大2G。
序列化和反序列化将消耗一定的资源，Hadoop中实现了直接比较字符流以确定两个Writable对象的大小，不需要进行序列化和反序列化。
以IntWritable对象的源码片段为例：
/** A Comparator optimized for IntWritable. */
public static class Comparator extends WritableComparator {
public Comparator() {
super(IntWritable.class);
}
/**
* 通过实现compare方法进行两个字节流大小的比较
* 其中s1和s2表示各自字节数组的起始位置，l1和l2表示各自字节数组在起始位置后的长度
*/
public int compare(byte[] b1, int s1, int l1,
byte[] b2, int s2, int l2) {
int thisValue = readInt(b1, s1);
int thatValue = readInt(b2, s2);
return (thisValue<thatValue ? -1 : (thisValue==thatValue ? 0 : 1));
}
}
static { // 注册comparator，可以理解为WritableComparator为管理者
WritableComparator.define(IntWritable.class, new Comparator());
}
ObjectWritable相对于其他对象，它有不同的地位。当我们讨论Hadoop的RPC时，我们会提到RPC上交换的信息，必须是Java的基本类型，String和Writable接口的实现类，以及元素为以上类型的数组。ObjectWritable对象保存了一个可以在RPC上传输的对象和对象的类型信息。这样，我们就有了一个万能的，可以用于客户端/服务器间传输的Writable对象。例如，我们要把上面例子中的对象作为RPC请求，需要根据MyWritable创建一个ObjectWritable，ObjectWritable往流里会写如下信息
（对象类名长度，对象类名，对象自己的串行化结果）
这样，到了对端，ObjectWritable可以根据对象类名创建对应的对象，并解串行。应该注意到，ObjectWritable依赖于WritableFactories，那存储了Writable子类对应的工厂。我们需要把MyWritable的工厂，保存在WritableFactories中（通过WritableFactories.setFactory）