Hadoop源代码分析【IO专题】

时间:2022-01-01 14:34:30

由于Hadoop的MapReduce和HDFS都有通信的需求,需要对通信的对象进行序列化。Hadoop并没有采用Java的序列化(因为Java序列化比较复杂,且不能深度控制),而是引入了它自己的系统。org.apache.hadoop.io中定义了大量的可序列化对象,他们都实现了Writable接口。实现了Writable接口的一个典型例子如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
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;    
    }    
}  

其中的write和readFields分别实现了把对象序列化和反序列化的功能,是Writable接口定义的两个方法。下图给出了庞大的org.apache.hadoop.io中对象的关系。

Hadoop源代码分析【IO专题】

图分析:

主要涉及各类型结构(例如IntWritable、SequenceFile[复杂结构])的序列化。红色ObjectWritable指的结构对象的序 列化,其反序列化得对象获得是工厂模式通过类名创建的。GenericWritable是一种特殊的结构组合(参见 http://coderplay.iteye.com/blog/259880)。

一个类实现了Camparable接口则表明这个类的对象之间是可以相互比较的,这个类对象组成的集合就可以直接使用sort方法排序。
    Comparator可以看成一种算法的实现,将算法和数据分离,Comparator也可以在下面两种环境下使用:

1、类的设计师没有考虑到比较问题而没有实现Comparable,可以通过Comparator来实现排序而不必改变对象本身

2、可以使用多种排序标准,比如升序、降序等