java - Apache AVRO 如何序列化(大型)数据结构

Question

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

示例(取自 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 facebook 用户的完整社交图谱？

[也就是说，如果我想序列化一个用户，序列化是否包括它的所有 friend 和他们的 friend 等等？]

如果答案是肯定的，我宁愿存储 friend 的 ID 而不是引用，以便在需要时在我的应用程序中查找。在那种情况下，我希望能够添加一个返回实际 friend 而不是 ID 的方法。

如何包装/扩展生成的 AVRO java 类以添加方法？

(也添加返回例如 friend 数的方法)

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(inject)现有/生成的类。 AspectJ 仅在编译时需要。方法如下所示。

将 Person 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>

以上配置假定 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()。如果您想使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(inject)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使用生成的代码编织这方面的 maven 插件

<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());
}