java:为自定义序列化分配对象引用ID

时间:2010-06-08 14:14:57

标签: java serialization object-graph

由于各种原因,我有一个自定义序列化,我将一些相当简单的对象转储到数据文件。可能有5-10个类,并且结果的对象图是非循环的并且非常简单(每个序列化对象具有1或2个对序列化的引用)。例如:

class Foo
{
    final private long id;
    public Foo(long id, /* other stuff */) { ... }
}

class Bar
{
    final private long id;
    final private Foo foo;
    public Bar(long id, Foo foo, /* other stuff */) { ... }
}

class Baz
{
    final private long id;
    final private List<Bar> barList;
    public Baz(long id, List<Bar> barList, /* other stuff */) { ... }
}

id字段仅用于序列化,因此当我序列化到文件时,我可以通过保存到目前为止序列化了哪些ID的记录来编写对象,然后为每个对象检查其子对象是否已经序列化并编写那些没有的,最后通过编写其数据字段和与其子对象相对应的ID来编写对象本身。

让我感到困惑的是如何分配id。我想到了,似乎有三种情况可以分配ID:

  • 动态创建的对象 - 从增量
  • 的计数器分配id
  • 从磁盘读取对象 - id是从存储在磁盘文件中的号码分配的
  • 单例对象 - 在任何动态创建的对象之前创建对象,以表示始终存在的单个对象。

我该如何妥善处理?我觉得我正在重新发明轮子,必须有一套完善的技术来处理所有情况。


澄清:就像一些切向信息一样,我正在查看的文件格式大致如下(掩盖了一些不应该相关的细节)。它经过优化处理相当大量的密集二进制数据(数十/数百MB),并能够在其中散布结构化数据。密集的二进制数据占文件大小的99.9%。

该文件由一系列纠正错误的块组成,这些块用作容器。可以认为每个块包含由一系列包组成的字节数组。可以一次一个地读取一个数据包(例如,可以告诉每个数据包的结束位置,然后立即开始下一个数据包。)

因此,该文件可以被认为是存储在纠错层之上的一系列数据包。绝大多数这些数据包都是不透明的二进制数据,与此问题无关。然而,这些数据包中的少数是包含序列化结构化数据的项目,形成一种由数据“孤岛”组成的“群岛”,可以通过对象参考关系链接。

所以我可能有一个文件,其中包2971包含一个序列化的Foo,而包12083包含一个序列化的Bar,它引用了包2971中的Foo。(包0-2970和2972-12082是不透明的数据包)

所有这些数据包都是不可变的(因此给定了Java对象构造的约束,它们形成了一个非循环对象图),所以我不必处理可变性问题。它们也是常见Item接口的后代。我想要做的是将任意Item对象写入文件。如果Item包含对文件中已有的其他Item的引用,我也需要将它们写入文件,但前提是它们尚未编写。否则,当我读回它时,我将需要以某种方式合并的重复项。

3 个答案:

答案 0 :(得分:4)

你真的需要这样做吗?在内部,ObjectOutputStream跟踪已经序列化了哪些对象。对同一对象的后续写入仅存储内部引用(类似于仅写出id),而不是再次写出整个对象。

有关详细信息,请参阅Serialization Cache

如果ID对应于某些外部定义的身份,例如实体ID,那么这是有道理的。但问题是,ID的生成纯粹是为了跟踪哪些对象被序列化。

您可以通过readResolve方法处理单身人士。一种简单的方法是将刚刚反序列化的实例与单例实例进行比较,如果匹配,则返回单例实例而不是反序列化实例。 E.g。

   private Object readResolve() {
      return (this.equals(SINGLETON)) ? SINGLETON : this;
      // or simply
      // return SINGLETON;
   }

编辑:在回应评论时,流主要是二进制数据(以优化格式存储),其中复杂对象不分散在该数据中。这可以通过使用支持子流的流格式来处理,例如,拉链,或简单的块状块。例如。流可以是一系列块:

offset 0  - block type
offset 4  - block length N
offset 8  - N bytes of data
...
offset N+8  start of next block

然后,您可以拥有二进制数据块,序列化数据块,XStream序列化数据块等。由于每个块都知道它的大小,您可以创建一个子流,从文件中的位置读取该长度。这使您可以自由地混合数据,而无需担心解析。

要实现流,请让主流解析块,例如

   DataInputStream main = new DataInputStream(input);
   int blockType = main.readInt();
   int blockLength = main.readInt();
   // next N bytes are the data
   LimitInputStream data = new LimitInputStream(main, blockLength);

   if (blockType==BINARY) {
      handleBinaryBlock(new DataInputStream(data));
   }
   else if (blockType==OBJECTSTREAM) {
      deserialize(new ObjectInputStream(data));
   }
   else
      ...

LimitInputStream的草图如下所示:

public class LimitInputStream extends FilterInputStream
{
   private int bytesRead;
   private int limit;
   /** Reads up to limit bytes from in */
   public LimitInputStream(InputStream in, int limit) {
      super(in);
      this.limit = limit;
   }

   public int read(byte[] data, int offs, int len) throws IOException {
      if (len==0) return 0; // read() contract mandates this
      if (bytesRead==limit)
         return -1;
      int toRead = Math.min(limit-bytesRead, len);
      int actuallyRead = super.read(data, offs, toRead);
      if (actuallyRead==-1)
          throw new UnexpectedEOFException();
      bytesRead += actuallyRead;
      return actuallyRead;
   }

   // similarly for the other read() methods

   // don't propagate to underlying stream
   public void close() { }
}

答案 1 :(得分:1)

foo注册了FooRegistry吗?您可以尝试这种方法(假设Bar和Baz也有注册表通过id获取引用)。

这可能有很多语法错误,使用错误等。但我觉得这种方法很好。

公共课Foo {

public Foo(...) {
    //construct
    this.id = FooRegistry.register(this);
}

public Foo(long id, ...) {
    //construct
    this.id = id;
    FooRegistry.register(this,id);
}

}

public class FooRegistry(){     Map foos = new HashMap ...

long register(Foo foo) {
    while(foos.get(currentFooCount) == null) currentFooCount++;
    foos.add(currentFooCount,foo);
    return currentFooCount;
}

void register(Foo foo, long id) {
    if(foo.get(id) == null) throw new Exc ... // invalid
    foos.add(foo,id);
}

}

公共类Bar(){

void writeToStream(OutputStream out) {
    out.print("<BAR><id>" + id + "</id><foo>" + foo.getId() + "</foo></BAR>");
}

}

公共类Baz(){

void.writeToStream(OutputStream out) {
    out.print("<BAZ><id>" + id + "</id>");
    for(Bar bar : barList) out.println("<bar>" + bar.getId() + </bar>");
    out.print("</BAZ>");
}

}

答案 2 :(得分:1)

  

我觉得我正在重新发明轮子,必须有一套完善的技术来处理所有情况。

是的,看起来像默认对象序列化会做,或者最终你是预先优化的。

您可以更改序列化数据的格式(例如XMLEncoder)以获得更方便的格式。

但是如果你坚持,我认为带有动态计数器的单例应该这样做,但是不要把id放在构造函数的公共接口中:

class Foo {
    private final int id;
    public Foo( int id, /*other*/ ) { // drop the int id
    }
 }

因此,该类可能是一个“序列”,并且可能更长一段时间更适合避免Integer.MAX_VALUE出现问题。

使用java.util.concurrent.atomic包中描述的AtomicLong(以避免两个线程分配相同的ID,或避免过度同步)也会有所帮助。

class Sequencer {
    private static AtomicLong sequenceNumber = new AtomicLong(0);
    public static long next() { 
         return sequenceNumber.getAndIncrement();
    }
}

现在每个班级都有

 class Foo {
      private final long id;
      public Foo( String name, String data, etc ) {
          this.id = Sequencer.next();
      }
 }

就是这样。

(注意,我不记得反序列化对象是否会调用构造函数,但是你明白了)