Question

我正在考虑在hadoop上使用AVRO。但我关心的是大型数据结构的序列化以及如何向（数据）类添加方法。

示例（摘自http://blog.voidsearch.com/bigdata/apache-avro-in-practice/）显示了facebook用户的模型。

{
  "namespace": "test.avro",
  "name": "FacebookUser",
  "type": "record",
  "fields": [
      {"name": "name", "type": "string"},
      ...,
      {"name": "friends", "type": "array", "items": "FacebookUser"} 
  ]
}

avro是否在此模型中序列化了facebookuser的完整社交图？

[也就是说，如果我想序列化一个用户，序列化是否包括所有朋友和他们的朋友等等？]

如果答案是肯定的，我宁愿存储ID的朋友而不是引用，以便在需要时查看我的应用程序。在这种情况下，我希望能够添加一个返回实际朋友而不是ID的方法。

如何包装/扩展生成的AVRO java类以添加方法？

（也用于添加返回例如friend-count的方法）

Answer 1

关于第二个问题：如何包装/扩展生成的AVRO java类以添加方法？

您可以使用AspectJ将新方法注入现有/生成的类中。 AspectJ仅在编译时需要。方法如下所示。

将人员记录定义为Avro IDL（ person.avdl ）：

@namespace("net.tzolov.avro.extend")
protocol PersonProtocol {
    record Person {
        string firstName;
        string lastName;
    }     
}

使用maven和avro-maven-plugin从AVDL生成java源：

<dependency>
    <groupId>org.apache.avro</groupId>
    <artifactId>avro</artifactId>
    <version>1.6.3</version>
</dependency>
    ......
    <plugin>
        <groupId>org.apache.avro</groupId>
        <artifactId>avro-maven-plugin</artifactId>
        <version>1.6.3</version>
        <executions>
            <execution>
                <id>generate-avro-sources</id>
                <phase>generate-sources</phase>
                <goals>
                    <goal>idl-protocol</goal>
                </goals>
                <configuration>
                    <sourceDirectory>src/main/resources/avro</sourceDirectory>
                    <outputDirectory>${project.build.directory}/generated-sources/java</outputDirectory>
                </configuration>
            </execution>
        </executions>
    </plugin>

以上配置假设 person.avid 文件位于 src / main / resources / avro 中。源在 target / generated-sources / java 中生成。

Generated Person.java有两个方法：getFirstName（）和getLastName（）。如果您想用另一种方法扩展它： getCompleteName（） = firstName + lastName，那么您可以使用以下方面注入此方法：

package net.tzolov.avro.extend;

import net.tzolov.avro.extend.Person;

public aspect PersonAspect {

    public String Person.getCompleteName() {        
        return this.getFirstName() + " " + this.getLastName();
    }
}

使用aspectj-maven-plugin maven插件将此方面与生成的代码

编织在一起

<dependency>
    <groupId>org.aspectj</groupId>
    <artifactId>aspectjrt</artifactId>
    <version>1.6.12</version>
</dependency>
<dependency>
    <groupId>org.aspectj</groupId>
    <artifactId>aspectjweaver</artifactId>
    <version>1.6.12</version>
</dependency>
    ....
<plugin>
    <groupId>org.codehaus.mojo</groupId>
    <artifactId>aspectj-maven-plugin</artifactId>
    <version>1.2</version>
    <dependencies>
        <dependency>
            <groupId>org.aspectj</groupId>
            <artifactId>aspectjrt</artifactId>
            <version>1.6.12</version>
        </dependency>
        <dependency>
            <groupId>org.aspectj</groupId>
            <artifactId>aspectjtools</artifactId>
            <version>1.6.12</version>
        </dependency>
    </dependencies>
    <executions>
        <execution>
            <goals>
                <goal>compile</goal>
                <goal>test-compile</goal>
            </goals>
        </execution>
    </executions>
    <configuration>
        <source>6</source>
        <target>6</target>
    </configuration>
</plugin>

结果：

@Test
public void testPersonCompleteName() throws Exception {

    Person person = Person.newBuilder()
            .setFirstName("John").setLastName("Atanasoff").build();

    Assert.assertEquals("John Atanasoff", person.getCompleteName());
}

Answer 2

我试图先回答第一个问题：
据我所知，AVRO不是为了存储非层次结构而构建的。它也没有对象id的表示法。它可以存储数组，基元类型的记录或它们的任何组合。你所参考的对象图表的能力是Java序列化的能力AVRO lacing
因此，要存储一些图形，您应该引入自己的对象ID，并明确地将它们分配给某些字段。您可以在此处查看getSchema方法：http://www.java2s.com/Open-Source/Java/Database-DBMS/hadoop-0.20.1/org/apache/avro/reflect/ReflectData.java.htm 它很简单......这是AVRO通过java类生成模式的一种方式。
关于第二个问题 - 我不认为修改生成的代码是个好主意。我建议使用你想要添加的所有方法/数据来创建类，并将AVRO生成的“数据”类作为成员放在那里。
同时，我认为技术上扩展生成的类应该没问题。

Answer 3

除了尝试使用Avro解决这些问题之外，这可能无法正常工作（我的猜测是扩展生成的类无论你怎么尝试都不会很好），你可以考虑使用普通的JSON（除非你对Avro有特殊要求））。许多库支持任意POJO映射;而一些（如Jackson）也支持基于对象ID的序列化（使用2.0.0）。

Apache AVRO如何序列化（大型）数据结构

3 个答案: