各种类型的Writable（Text、ByteWritable、NullWritable、ObjectWritable、GenericWritable、ArrayWritable、MapWritable、SortedMapWritable）
java原生类型
除char类型以外，所有的原生类型都有对应的Writable类，并且通过get和set方法可以他们的值。
IntWritable和LongWritable还有对应的变长VIntWritable和VLongWritable类。
固定长度还是变长的选用类似与数据库中的char或者vchar。
Text类型
Text类型使用变长int型存储长度，所以Text类型的最大存储为2G.
Text类型采用标准的utf-8编码，所以与其他文本工具可以非常好的交互，但要注意的是，这样的话就和java的String类型差别就很多了。
检索的不同
Text的chatAt返回的是一个整型，及utf-8编码后的数字，而不是象String那样的unicode编码的char类型。
@Test
public void testTextIndex(){
Text text=new Text("hadoop");
Assert.assertEquals(text.getLength(), 6);
Assert.assertEquals(text.getBytes().length, 6);
Assert.assertEquals(text.charAt(2),(int)'d');
Assert.assertEquals("Out of bounds",text.charAt(100),-1);
}
Text还有个find方法，类似String里indexOf方法
@Test
public void testTextFind() {
Text text = new Text("hadoop");
Assert.assertEquals("find a substring",text.find("do"),2);
Assert.assertEquals("Find first 'o'",text.find("o"),3);
Assert.assertEquals("Find 'o' from position 4 or later",text.find("o",4),4);
Assert.assertEquals("No match",text.find("pig"),-1);
}
Unicode的不同
当uft-8编码后的字节大于两个时，Text和String的区别就会更清晰，因为String是按照unicode的char计算，而Text是按照字节计算。
我们来看下1到4个字节的不同的unicode字符
4个unicode分别占用1到4个字节，u+10400在java的unicode字符重占用两个char，前三个字符分别占用1个char
@Test
public void string() throws UnsupportedEncodingException {
String str = "\u0041\u00DF\u6771\uD801\uDC00";
Assert.assertEquals(str.length(), 5);
Assert.assertEquals(str.getBytes("UTF-8").length, 10);
Assert.assertEquals(str.indexOf("\u0041"), 0);
Assert.assertEquals(str.indexOf("\u00DF"), 1);
Assert.assertEquals(str.indexOf("\u6771"), 2);
Assert.assertEquals(str.indexOf("\uD801\uDC00"), 3);
Assert.assertEquals(str.charAt(0), '\u0041');
Assert.assertEquals(str.charAt(1), '\u00DF');
Assert.assertEquals(str.charAt(2), '\u6771');
Assert.assertEquals(str.charAt(3), '\uD801');
Assert.assertEquals(str.charAt(4), '\uDC00');
Assert.assertEquals(str.codePointAt(0), 0x0041);
Assert.assertEquals(str.codePointAt(1), 0x00DF);
Assert.assertEquals(str.codePointAt(2), 0x6771);
Assert.assertEquals(str.codePointAt(3), 0x10400);
}
@Test
public void text() {
Text text = new Text("\u0041\u00DF\u6771\uD801\uDC00");
Assert.assertEquals(text.getLength(), 10);
Assert.assertEquals(text.find("\u0041"), 0);
Assert.assertEquals(text.find("\u00DF"), 1);
Assert.assertEquals(text.find("\u6771"), 3);
Assert.assertEquals(text.find("\uD801\uDC00"), 6);
Assert.assertEquals(text.charAt(0), 0x0041);
Assert.assertEquals(text.charAt(1), 0x00DF);
Assert.assertEquals(text.charAt(3), 0x6771);
Assert.assertEquals(text.charAt(6), 0x10400);
}
这样一比较就很明显了。
1.String的length()方法返回的是char的数量，Text的getLength()方法返回的是字节的数量。
2.String的indexOf()方法返回的是以char为单元的偏移量，Text的find()方法返回的是以字节为单位的偏移量。
3.String的charAt()方法不是返回的整个unicode字符，而是返回的是java中的char字符
4.String的codePointAt()和Text的charAt方法比较类似，不过要注意，前者是按char的偏移量，后者是字节的偏移量
Text的迭代
在Text中对unicode字符的迭代是相当复杂的，因为与unicode所占的字节数有关，不能简单的使用index的增长来确定。首先要把Text对象使用ByteBuffer进行封装，然后再调用Text的静态方法bytesToCodePoint对ByteBuffer进行轮询返回unicode字符的code point。看一下示例代码：
package com.sweetop.styhadoop;
import org.apache.hadoop.io.Text;
import java.nio.ByteBuffer;
public class TextIterator {
public static void main(String[] args) {
Text text = new Text("\u0041\u00DF\u6771\uD801\udc00");
ByteBuffer buffer = ByteBuffer.wrap(text.getBytes(), 0, text.getLength());
int cp;
while (buffer.hasRemaining() && (cp = Text.bytesToCodePoint(buffer)) != -1) {
System.out.println(Integer.toHexString(cp));
}
}
}
Text的修改
除了NullWritable是不可更改外，其他类型的Writable都是可以修改的。你可以通过
Text的set方法去修改去修改重用这个实例。
@Test
public void testTextMutability() {
Text text = new Text("hadoop");
text.set("pig");
Assert.assertEquals(text.getLength(), 3);
Assert.assertEquals(text.getBytes().length, 3);
}
但要注意的就是，在某些情况下Text的getBytes方法返回的字节数组的长度和Text的getLength方法返回的长度不一致。因此，在调用getBytes()方法的同时最好也调用一下getLength方法，这样你就知道在字节数组里有多少有效的字符。
@Test
public void testTextMutability2() {
Text text = new Text("hadoop");
text.set(new Text("pig"));
Assert.assertEquals(text.getLength(),3);
Assert.assertEquals(text.getBytes().length,6);
}
BytesWritable类型
ByteWritable类型是一个二进制数组的封装类型，序列化格式是以一个4字节的整数(这点与Text不同，Text是以变长int开头)开始表明字节数组的长度，然后接下来就是数组本身。看下示例：
@Test
public void testByteWritableSerilizedFromat() throws IOException {
BytesWritable bytesWritable=new BytesWritable(new byte[]{3,5});
byte[] bytes=SerializeUtils.serialize(bytesWritable);
Assert.assertEquals(StringUtils.byteToHexString(bytes),"000000020305");
}
和Text一样，ByteWritable也可以通过set方法修改，getLength返回的大小是真实大小，而getBytes返回的大小确不是。
bytesWritable.setCapacity(11);
bytesWritable.setSize(4);
Assert.assertEquals(4,bytesWritable.getLength());
Assert.assertEquals(11,bytesWritable.getBytes().length);
NullWritable类型
NullWritable是一个非常特殊的Writable类型，序列化不包含任何字符，仅仅相当于个占位符。你在使用mapreduce时，key或者value在无需使用时，可以定义为NullWritable。
package com.sweetop.styhadoop;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.util.StringUtils;
import java.io.IOException;
public class TestNullWritable {
public static void main(String[] args) throws IOException {
NullWritable nullWritable=NullWritable.get();
System.out.println(StringUtils.byteToHexString(SerializeUtils.serialize(nullWritable)));
}
}
ObjectWritable类型
ObjectWritable是其他类型的封装类，包括java原生类型，String,enum,Writable,null等，或者这些类型构成的数组。当你的一个field有多种类型时，ObjectWritable类型的用处就发挥出来了，不过有个不好的地方就是占用的空间太大，即使你存一个字母，因为它需要保存封装前的类型，我们来看下示例：
package com.sweetop.styhadoop;
import org.apache.hadoop.io.ObjectWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.util.StringUtils;
import java.io.IOException;
public class TestObjectWritable {
public static void main(String[] args) throws IOException {
Text text=new Text("\u0041");
ObjectWritable objectWritable=new ObjectWritable(text);
System.out.println(StringUtils.byteToHexString(SerializeUtils.serialize(objectWritable)));
}
}
仅仅是保存一个字母，那么看下它序列化后的结果是什么：
00196f72672e6170616368652e6861646f6f702e696f2e5465787400196f72672e6170616368652e6861646f6f702e696f2e546578740141
太浪费空间了，而且类型一般是已知的，也就那么几个，那么它的代替方法出现，看下一小节
GenericWritable类型
使用GenericWritable时，只需继承于他，并通过重写getTypes方法指定哪些类型需要支持即可，我们看下用法：
package com.sweetop.styhadoop;
import org.apache.hadoop.io.GenericWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.Writable;
class MyWritable extends GenericWritable {
MyWritable(Writable writable) {
set(writable);
}
public static Class<? extends Writable>[] CLASSES=null;
static {
CLASSES= (Class<? extends Writable>[])new Class[]{
Text.class
};
}
@Override
protected Class<? extends Writable>[] getTypes() {
return CLASSES;
}
}
然后输出序列化后的结果
package com.sweetop.styhadoop;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.VIntWritable;
import org.apache.hadoop.util.StringUtils;
import java.io.IOException;
public class TestGenericWritable {
public static void main(String[] args) throws IOException {
Text text=new Text("\u0041\u0071");
MyWritable myWritable=new MyWritable(text);
System.out.println(StringUtils.byteToHexString(SerializeUtils.serialize(text)));
System.out.println(StringUtils.byteToHexString(SerializeUtils.serialize(myWritable)));
}
}
结果是：
024171
00024171
GenericWritable的序列化只是把类型在type数组里的索引放在了前面，这样就比ObjectWritable节省了很多空间，所以推荐大家使用GenericWritable
集合类型的Writable
ArrayWritable和TwoDArrayWritable
ArrayWritable和TwoDArrayWritable分别表示数组和二维数组的Writable类型，指定数组的类型有两种方法,构造方法里设置，或者继承于ArrayWritable,TwoDArrayWritable也是一样。
package com.sweetop.styhadoop;
import org.apache.hadoop.io.ArrayWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.util.StringUtils;
import java.io.IOException;
public class TestArrayWritable {
public static void main(String[] args) throws IOException {
ArrayWritable arrayWritable=new ArrayWritable(Text.class);
arrayWritable.set(new Writable[]{new Text("\u0071"),new Text("\u0041")});
System.out.println(StringUtils.byteToHexString(SerializeUtils.serialize(arrayWritable)));
}
}
看下输出：
0000000201710141
可知，ArrayWritable以一个整型开始表示数组长度，然后数组里的元素一一排开。
ArrayPrimitiveWritable和上面类似，只是不需要用子类去继承ArrayWritable而已。
MapWritable和SortedMapWritable
MapWritable对应Map,SortedMapWritable对应SortedMap,以4个字节开头，存储集合大小，然后每个元素以一个字节开头存储类型的索引（类似GenericWritable,所以总共的类型总数只能倒127），接着是元素本身，先key后value，这样一对对排开。
这两个Writable以后会用很多，贯穿整个hadoop，这里就不写示例了。
我们注意到没看到set集合和list集合，这个可以代替实现。用MapWritable代替set，SortedMapWritable代替sortedmap，只需将他们的values设置成NullWritable即可，NullWritable不占空间。相同类型构成的list，可以用ArrayWritable代替，不同类型的list可以用GenericWritable实现类型，然后再使用ArrayWritable封装。当然MapWritable一样可以实现list，把key设置为索引，values做list里的元素。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
