为什么Hadoop需要引入这些新类？它们似乎使界面复杂化
答案 0 :(得分：40)
为了以Hadoop方式处理对象。例如，hadoop使用Text而不是java String。 hadoop中的Text类与java String类似，但Text实现Comparable，Writable和WritableComparable等接口。
这些接口都是MapReduce所必需的; Comparable接口用于比较reducer对密钥进行排序的时间，Writable可以将结果写入本地磁盘。它不使用java Serializable，因为java Serializable对于hadoop而言太大或太重，Writable可以以非常轻的方式序列化hadoop对象。
答案 1 :(得分：29)
因为在大数据世界中，需要将结构化对象序列化为字节流，以便通过网络移动或持久保存到群集上的磁盘......然后根据需要再次反序列化。如果您有大量的Facebook数据存储和移动数据，您的数据需要高效，并尽可能少地存储和移动时间。
String和Integer太“胖了”。 Text和IntWritable分别在表示相同类型信息的字节数组之上提供了更容易的抽象。
答案 2 :(得分：2)
来自Apache文档page：
Writable接口被描述为
基于
DataInput和DataOutput实现 简单，高效，序列化协议 的可序列化对象。
使用这个新API，您没有并发症。使用这些新类的序列化过程为crisp和compact。
为了Hadoop的有效性，应优化序列化/反序列化过程，因为群集中的节点之间会发生大量远程调用。因此，序列化格式应 快速，紧凑，可扩展且可互操作 。由于这个原因，Hadoop框架提出了一个IO类来替换java原始数据类型。例如IntWritbale为int，LongWritable为long，Text为String等。
您可以在 Hadoop中找到有关此主题的更多详细信息权威指南：第4版
答案 3 :(得分：1)
更多信息：
他们有两个相关的功能
他们拥有“可写”界面 - 他们知道如何写入DataOutput流并明确地从DataInput流中读取。
他们通过set（）操作更新内容。这使您可以重复使用相同的值，而无需创建新实例。如果重复调用相同的mapper或reducer，它会更高效：你只需在构造函数中创建可写的实例并重用它们
相比之下，Java的Serializable框架“神奇地”序列化对象 - 但它以一种有点脆弱的方式执行它，并且通常无法读取由旧版本的类生成的值。 Java对象流被设计为发送对象的图形 - 必须记住已经推出的每个对象引用，并在返回的路上执行相同的操作。可写的设计是独立的。
来自：http://hortonworks.com/community/forums/topic/why-hadoop-uses-default-longwritable-or-intwritable/