Avro 是一种远程过程调用和数据序列化框架,是在Apache的Hadoop项目之内开发的。它使用JSON来定义数据类型和通讯协议,使用压缩二进制格式来序列化数据。它主要用于Hadoop,它可以为持久化数据提供一种序列化格式,Avro是一个数据序列化的系统。可以将数据结构或对象转化成便于存储或传输的格式。Avro设计之初就用来支持数据密集型应用,适合于远程或本地大规模数据的存储和交换。
对象的序列化主要有两种用途:
在很多应用中,需要对某些对象进行序列化,让它们离开内存空间,入住物理硬盘,以便长期保存。比如最常见的是Web服务器中的Session对象,当有 10万用户并发访问,就有可能出现10万个Session对象,内存可能吃不消,于是Web容器就会把一些seesion先序列化到硬盘中,等要用了,再把保存在硬盘中的对象还原到内存中。
当两个进程在进行远程通信时,彼此可以发送各种类型的数据。无论是何种类型的数据,都会以二进制序列的形式在网络上传送。发送方需要把这个Java对象转换为字节序列,才能在网络上传送;接收方则需要把字节序列再恢复为Java对象。
丰富的数据结构类型;
快速可压缩的二进制数据形式,对数据二进制序列化后可以节约数据存储空间和网络传输带宽;
存储持久数据的文件容器;
可以实现远程过程调用RPC;
简单的动态语言结合功能。
Type | Description | Schema |
---|---|---|
null | the absence of a value | “null” |
boolean | a binary value | “boolean” |
int | 32-bit signed integer | “int” |
long | 64-bit signed integer | “long” |
float | Single-precision (32-bit) IEEE 754 floating-point number | “float” |
double | Double-precision (64-bit) IEEE 754 floating-point number | “double” |
bytes | Sequence of 8-bit unsigned bytes | “bytes” |
string | Sequence of Unicode characters | “string” |
Avro提供了6种复杂类型。分别是Record,Enum,Array,Map,Union和Fixed。
Record是一个任意类型的命名字段的集合
支持的属性设置:
fields:record类型中的字段,是个对象数组(必填)。每个字段需要以下属性:
一个Record类型例子,定义一个元素类型是Long的链表:
{ "type": "record", "name": "LongList", "aliases": ["LinkedLongs"], // old name for this "fields" : [ {"name": "value", "type": "long"}, // each element has a long {"name": "next", "type": ["null", "LongList"]} // optional next element ] }
枚举类型的类型名字是”enum”,还支持其它属性的设置:
一个枚举类型的例子:
{ "type": "enum", "name": "Suit", "symbols" : ["SPADES", "HEARTS", "DIAMONDS", "CLUBS"] }
数组类型的类型名字是”array”并且只支持一个属性:
items:数组元素的schema
一个数组例子:
{ "type": "array", "items": "string" }
Map类型的类型名字是”map”并且只支持一个属性:
values:map值的schema
Map的key必须是字符串。
一个Map例子:
{ "type": "map", "values": "long" }
组合类型,表示各种类型的组合,使用数组进行组合。比如 [“null”, “string”]
表示类型可以为null或者string。
如以下例子
{ "type": "record", "namespace": "com.example", "name": "FullName", "fields": [ { "name": "first", "type": ["null", "string"] }, { "name": "last", "type": "string", "default" : "Doe" } ] }
组合类型的默认值是看组合类型的第一个元素,因此如果一个组合类型包括null类型,那么null类型一般都会放在第一个位置,这样子的话这个组合类型的默认值就是null。
组合类型中不允许同一种类型的元素的个数不会超过1个,除了record,fixed和enum。比如组合类中有2个array类型或者2个map类型,这是不允许的。
组合类型不允许嵌套组合类型。
混合类型的类型名字是fixed,支持以下属性:
比如16个字节数的fixed类型例子如下:
{ "type": "fixed", "size": 16, "name": "md5" }
<dependency> <groupId>org.apache.avro</groupId> <artifactId>avro</artifactId> <version>1.8.2</version> </dependency>
avro-tools-1.8.2.jar 该jar包主要用户将定义好的schema文件生成对应的java文件
下载地址Avro依赖模式(Schema)来实现数据结构定义。可以把模式理解为Java的类,它定义每个实例的结构,可以包含哪些属性。可以根据类来产生任意多个实例对象。对实例序列化操作时必须需要知道它的基本结构,也就需要参考类的信息。这里,根据模式产生的Avro对象类似于类的实例对象。每次序列化/反序列化时都需要知道模式的具体结构。所以,在Avro可用的一些场景下,如文件存储或是网络通信,都需要模式与数据同时存在。Avro数据以模式来读和写(文件或是网络),并且写入的数据都不需要加入其它标识,这样序列化时速度快且结果内容少。由于程序可以直接根据模式来处理数据,所以Avro更适合于脚本语言的发挥。
avro的schema是json格式,支持前文所描述的类型。
下面是一个schema例子 User.avsc
{ "type": "record", "name": "User", "fields": [ { "name": "name", "type": "string", "doc":"姓名" }, { "name": "favorite_number", "type": [ "int", "null" ] }, { "name": "favorite_color", "type": [ "string", "null" ] } ] }
使用avro-tools-1.8.2.jar 编译
编译命令格式如下:
java -jar avro-tools-1.8.2.jar compile schema <filename.avsc> <outputpath>
avro的序列化和反序列化,有两种方法。第一种是需要利用schema生成实体类,另外一种只需要指定schema并使用GenericRecord作为实体。
编译schema至java项目src目录
AvroSerialize.java
import java.io.*; import org.apache.avro.file.*; import org.apache.avro.io.*; import org.apache.avro.specific.*; public class AvroSerialize { public static void main(String args[]) throws IOException { // 新建3个实体类 User user1 = new User(); user1.setName("Alyssa"); user1.setFavoriteNumber(256); User user2 = new User("Ben", 7, "red"); User user3 = User.newBuilder() .setName("Charlie") .setFavoriteColor("blue") .setFavoriteNumber(null) .build(); DatumWriter<User> userDatumWriter = new SpecificDatumWriter<User>(User.class); DataFileWriter<User> dataFileWriter = new DataFileWriter<User>(userDatumWriter); dataFileWriter.create(user1.getSchema(), new File("./src/main/avro/user.avro")); dataFileWriter.append(user1); dataFileWriter.append(user2); dataFileWriter.append(user3); dataFileWriter.close(); } }
import java.io.*; import org.apache.avro.file.*; import org.apache.avro.io.*; import org.apache.avro.specific.*; public class AvroDeserialize { public static void main(String args[]) { DatumReader<User> reader = new SpecificDatumReader<>(User.class); DataFileReader<User> fileReader = null; try { fileReader = new DataFileReader<User>(new File("./src/main/avro/user.avro"), reader); User user = null; while (fileReader.hasNext()) { user = fileReader.next(user); System.out.println(user); } } catch (Exception e) { e.printStackTrace(); } } }
{“name”: “Alyssa”, “favorite_number”: 256, “favorite_color”: null} {“name”: “Ben”, “favorite_number”: 7, “favorite_color”: “red”} {“name”: “Charlie”, “favorite_number”: null, “favorite_color”: “blue”}
AvroGenericDeserializa.java
package avro; import java.io.*; import org.apache.avro.Schema; import org.apache.avro.file.*; import org.apache.avro.generic.*; import org.apache.avro.io.*; public class AvroGenericDeserializa { public static void main(String args[]) throws IOException { Schema schema = new Schema.Parser().parse(new File("./src/main/avro/User.avsc")); GenericRecord user1 = new GenericData.Record(schema); user1.put("name", "Alyssa"); user1.put("favorite_number", 256); GenericRecord user2 = new GenericData.Record(schema); user2.put("name", "Ben"); user2.put("favorite_number", 7); user2.put("favorite_color", "red"); File file = new File("./src/main/avro/user_generic.avro"); DatumWriter<GenericRecord> datumWriter = new GenericDatumWriter<GenericRecord>(schema); DataFileWriter<GenericRecord> dataFileWriter = new DataFileWriter<GenericRecord>(datumWriter); dataFileWriter.create(schema, file); dataFileWriter.append(user1); dataFileWriter.append(user2); dataFileWriter.close(); } }
AvroGenericSerialize.java
import java.io.*; import org.apache.avro.Schema; import org.apache.avro.file.*; import org.apache.avro.generic.*; import org.apache.avro.io.*; public class AvroGenericSerialize { public static void main(String args[]) throws IOException { Schema schema = new Schema.Parser().parse(new File("./src/main/avro/User.avsc")); File file = new File("./src/main/avro/user_generic.avro"); DatumReader<GenericRecord> datumReader = new GenericDatumReader<GenericRecord>(schema); DataFileReader<GenericRecord> dataFileReader = new DataFileReader<GenericRecord>(file, datumReader); GenericRecord user = null; while (dataFileReader.hasNext()) { user = dataFileReader.next(user); System.out.println(user); } } }
{“name”: “Alyssa”, “favorite_number”: 256, “favorite_color”: null} {“name”: “Ben”, “favorite_number”: 7, “favorite_color”: “red”}