Avro [1] 是最近加入到 Apache 的 Hadoop 家族的项目之一。为支持数据密集型应用，它定义了一种数据格式并在多种编程语言中支持这种格式。
Avro 提供的功能类似于其他编组系统，如 Thrift、Protocol Buffers 等。而 Avro 的主要不同之处在于 [2] :
- “动态类型:Avro 无需生成代码。数据总是伴以模式定义，这样就可以在不生成代码、静态数据类型的情况下对数据进行所有处理。这样有利于构建通用的数据处理系统和语言。
- 无标记数据: 由于在读取数据时有模式定义，这就大大减少了数据编辑所需的类型信息，从而减少序列化空间。
- 不用手动分配的字段 ID: 当数据模式发生变化，处理数据时总是同时提供新旧模式，差异就可以用字段名来做符号化的分析。”
由于性能高、基本代码少和产出数据量精简等特点，Avro 周围展开了众多活动——许多 NoSQL 实现，包括 Hadoop、Cssandra 等，都把 Avro 整合到它们的客户端 API 和储存功能中；已经有人对 Avro 与其他流行序列化框架做了 Benchmark 测试并得到结果 [3] ，但是，目前尚无可供人们学习使用 Avro 的代码示例 [4] 。
在这篇文章中我将试着描述我使用 Avro 的经验，特别是：
- 如何建立组件化 Avro 模式，使用组件搭建整体模式，分别保存在多个文件中
- 在 Avro 中实现继承
- 在 Avro 中实现多态
- Avro 文档的向后兼容性。
组件化 Apache Avro 模式
如 Avro 规范所述 [5] Avro 文档模式定义成 JSON 文件。在当前 Avro 实现中，模式类需要一个文件（或字符串）来表示内部模式。同 XML 模式不一样，Avro 当前版本不支持向模式文档中导入（一个或多个）子模式，这往往迫使开发者编写非常复杂的模式定义 [6] ，并大大复杂化了模式的重用。下面的代码示例给出了一个有趣的拆分和组合模式文件的例子。它基于模式类提供的一个 toString（）方法，该方法返回一个 JSON 字符串以表示给定的模式定义。用这种办法，我提供了一个简单 AvroUtils，能够自动完成上述功能：
复制代码
package com.navteq.avro.common; import java.io.File; import java.io.FileInputStream; import java.io.IOException; import java.io.InputStream; import java.util.HashMap; import java.util.Map; import org.apache.avro.Schema; public class AvroUtils { private static Map<String, Schema> schemas = new HashMap<String, Schema>(); private AvroUtils(){} public static void addSchema(String name, Schema schema){ schemas.put(name, schema); } public static Schema getSchema(String name){ return schemas.get(name); } public static String resolveSchema(String sc){ String result = sc; for(Map.Entry<String, Schema> entry : schemas.entrySet()) result = replace(result, entry.getKey(), entry.getValue().toString()); return result; } static String replace(String str, String pattern, String replace) { int s = 0; int e = 0; StringBuffer result = new StringBuffer(); while ((e = str.indexOf(pattern, s)) >= 0) { result.append(str.substring(s, e)); result.append(replace); s = e+pattern.length(); } result.append(str.substring(s)); return result.toString(); } public static Schema parseSchema(String schemaString){ String completeSchema = resolveSchema(schemaString); Schema schema = Schema.parse(completeSchema); String name = schema.getFullName(); schemas.put(name, schema); return schema; } public static Schema parseSchema(InputStream in)throws IOException { StringBuffer out = new StringBuffer(); byte[] b = new byte[4096]; for (int n; (n = in.read(b)) != -1;) { out.append(new String(b, 0, n)); } return parseSchema(out.toString()); } public static Schema parseSchema(File file)throws IOException { FileInputStream fis = new FileInputStream(file); return parseSchema(fis); } }
清单 1 AvroUtils 类
这个简单实现基于全局（静态）模式注册表，它由完全限定的模式名及与之对应的对象构成。对于每一个要解析的新模式，该实现在注册表中搜索已保存的完全限定模式名，并且在给定的模式中做字符串替换。模式字符串被解析之后，它的全名和模式名都存储在注册表中。
下面是一个简单的测试，展示如何使用这个类：
复制代码
package com.navteq.avro.common; import java.io.File; import org.junit.Test; public class AvroUtilsTest { private static final String schemaDescription = "{ \n" + " \"namespace\": \"com.navteq.avro\", \n" + " \"name\": \"FacebookUser\", \n" + " \"type\": \"record\",\n" + " \"fields\": [\n" + " {\"name\": \"name\", \"type\": [\"string\", \"null\"] },\n" + " {\"name\": \"num_likes\", \"type\": \"int\"},\n" + " {\"name\": \"num_photos\", \"type\": \"int\"},\n" + " {\"name\": \"num_groups\", \"type\": \"int\"} ]\n" + "}"; private static final String schemaDescriptionExt = " { \n" + " \"namespace\": \"com.navteq.avro\", \n" + " \"name\": \"FacebookSpecialUser\", \n" + " \"type\": \"record\",\n" + " \"fields\": [\n" + " {\"name\": \"user\", \"type\": com.navteq.avro.FacebookUser },\n" + " {\"name\": \"specialData\", \"type\": \"int\"} ]\n" + "}"; @Test public void testParseSchema() throws Exception{ AvroUtils.parseSchema(schemaDescription1); Schema extended = AvroUtils.parseSchema(schemaDescriptionExt); System.out.println(extended.toString(true)); } }
清单 2 AvroUtils 测试
在这个测试中，第一个模式的完全限定名是 com.navteq.avro.FacebookUser，替换正常运行并打印出以下结果：
复制代码
{ "type" : "record", "name" : "FacebookSpecialUser", "namespace" : "com.navteq.avro", "fields" : [ { "name" : "user", "type" : { "type" : "record", "name" : "FacebookUser", "fields" : [ { "name" : "name", "type" : [ "string", "null" ] }, { "name" : "num_likes", "type" : "int" }, { "name" : "num_photos", "type" : "int" }, { "name" : "num_groups", "type" : "int" } ] } }, { "name" : "specialData", "type" : "int" } ] }
清单 3 AvroUtilsTest 的执行结果
使用 Apache Avro 实现继承
一种常见的定义数据的方法是通过继承——使用现有的数据定义并添加参数。虽然技术上 Avro 不支持继承 [7] ，但要是实现一个类继承的结构非常简单。
如果我们有一个基类的定义——FacebookUser，如下：
复制代码
{ "namespace": "com.navteq.avro", "name": "FacebookUser", "type": "record", "fields": [ {"name": "name", "type": ["string", "null"] }, {"name": "num_likes", "type": "int"}, {"name": "num_photos", "type": "int"}, {"name": "num_groups", "type": "int"} ] }
清单 4 Facebook 用户记录的定义
要创建一个 FacebookSpecialUser 定义非常简单，它大概是这样的：
复制代码
{ "namespace": "com.navteq.avro", "name": "FacebookSpecialUser", "type": "record", "fields": [ {"name": "user", "type": com.navteq.avro.FacebookUser }, {"name": "specialData", "type": "int"} ] }
清单 5 Facebook 特殊的用户记录的定义
一个特殊的用户定义包含两个字段——Facebook 的用户类型的用户和一个 int 类型的数据字段。
特殊 Facebook 用户的简单测试类如下：
复制代码
package com.navteq.avro.inheritance; import java.io.ByteArrayInputStream; import java.io.ByteArrayOutputStream; import java.io.EOFException; import java.io.File; import org.apache.avro.Schema; import org.apache.avro.generic.GenericData; import org.apache.avro.generic.GenericDatumReader; import org.apache.avro.generic.GenericDatumWriter; import org.apache.avro.generic.GenericRecord; import org.apache.avro.io.BinaryEncoder; import org.apache.avro.io.Decoder; import org.apache.avro.io.DecoderFactory; import org.apache.avro.io.Encoder; import org.apache.avro.util.Utf8; import org.junit.Before; import org.junit.Test; import com.navteq.avro.common.AvroUtils; public class TestSimpleInheritance { private Schema schema; private Schema subSchema; @Before public void setUp() throws Exception { subSchema = AvroUtils.parseSchema(new File("resources/facebookUser.avro")); schema = AvroUtils.parseSchema(new File("resources/FacebookSpecialUser.avro")); } @Test public void testSimpleInheritance() throws Exception{ ByteArrayOutputStream outputStream = new ByteArrayOutputStream(); GenericDatumWriter<genericrecord> writer =<br></br> new GenericDatumWriter<genericrecord>(schema);<br></br> Encoder encoder = new BinaryEncoder(outputStream);<p> GenericRecord subRecord1 = new GenericData.Record(subSchema);</p><br></br> subRecord1.put("name", new Utf8("Doctor Who"));<br></br> subRecord1.put("num_likes", 1);<br></br> subRecord1.put("num_photos", 0);<br></br> subRecord1.put("num_groups", 423);<br></br> GenericRecord record1 = new GenericData.Record(schema);<br></br> record1.put("user", subRecord1);<br></br> record1.put("specialData", 1);<p> writer.write(record1, encoder);</p><p> GenericRecord subRecord2 = new GenericData.Record(subSchema);</p><br></br> subRecord2.put("name", new org.apache.avro.util.Utf8("Doctor WhoWho"));<br></br> subRecord2.put("num_likes", 2);<br></br> subRecord2.put("num_photos", 0);<br></br> subRecord2.put("num_groups", 424);<br></br> GenericRecord record2 = new GenericData.Record(schema);<br></br> record2.put("user", subRecord2);<br></br> record2.put("specialData", 2);<p> writer.write(record2, encoder);</p><p> encoder.flush();</p><p> ByteArrayInputStream inputStream =</p><br></br> new ByteArrayInputStream(outputStream.toByteArray());<br></br> Decoder decoder = DecoderFactory.defaultFactory().<br></br> createBinaryDecoder(inputStream, null);<br></br> GenericDatumReader<genericrecord> reader =<br></br> new GenericDatumReader<genericrecord>(schema);<br></br> while(true){<br></br> try{<br></br> GenericRecord result = reader.read(null, decoder);<br></br> System.out.println(result);<br></br> }<br></br> catch(EOFException eof){<br></br> break;<br></br> }<br></br> catch(Exception ex){<br></br> ex.printStackTrace();<br></br> }<br></br> }<br></br> }<br></br>}<a href="#_ftn8_7758" name="_ftnref8_7758">[8]</a></genericrecord></genericrecord></genericrecord></genericrecord>
清单 6 一个特殊的 Facebook 用户的测试类
运行这个测试类产生预期的结果：
复制代码
{"user": {"name": "Doctor Who", "num_likes": 1, "num_photos": 0, "num_groups": 423}, "specialData": 1} {"user": {"name": "Doctor WhoWho", "num_likes": 2, "num_photos": 0, "num_groups": 424}, "specialData": 2}
清单 7 Facebook 特殊用户的测试结果
如果唯一需要的是有包含基础数据和其他参数的记录，此代码工作正常，但它不提供多态性——读取相同记录时，没办法知道到底读的是哪个类型的记录。
使用 ApacheAvro 实现多态性
与谷歌 protocol buffers 不同 [9] ，Avro 不支持可选参数 [10] ，上述继承的实现不适应于多态性的实现——这是由于必须具备特殊的数据参数。幸运的是，Avro 支持联合体，允许省略某些记录的参数。下面的定义可用于创建一个多态的纪录。对于基准纪录，我将使用清单 4 中描述的例子。为了扩展我们将使用以下两个定义：
复制代码
{ "namespace": "com.navteq.avro", "name": "FacebookSpecialUserExtension1", "type": "record", "fields": [ {"name": "specialData1", "type": "int"} ] }
清单 8 首条扩展记录的定义
复制代码
{ "namespace": "com.navteq.avro", "name": "FacebookSpecialUserExtension2", "type": "record", "fields": [ {"name": "specialData2", "type": "int"} ] }
清单 9 第二条扩展记录的定义
有了以上两个定义一个多态记录可以定义如下：
复制代码
{ "namespace": "com.navteq.avro", "name": "FacebookSpecialUser", "type": "record", "fields": [ {"name": "type", "type": "string" }, {"name": "user", "type": com.navteq.avro.FacebookUser }, {"name": "extension1", "type": [com.navteq.avro.FacebookSpecialUserExtension1, "null"]}, {"name": "extension2", "type": [com.navteq.avro.FacebookSpecialUserExtension2, "null"]} ] }
清单 10 Facebook 特殊用户的多态定义
这里扩展 1 和扩展 2 都是可选的且二者皆可。为了使处理更简单，我添加了一个类型字段，可以用来明确定义的记录类型。
下面给出一个更好的多态记录的定义：
复制代码
{ "namespace": "com.navteq.avro", "name": "FacebookSpecialUser1", "type": "record", "fields": [ {"name": "type", "type": "string" }, {"name": "user", "type": com.navteq.avro.FacebookUser }, {"name": "extension", "type": [com.navteq.avro.FacebookSpecialUserExtension1, com.navteq.avro.FacebookSpecialUserExtension2, "null"]} ] }
清单 11 Facebook 特殊用户的改进多态定义
下面给出一个多态 Facebook 特殊用户的简单测试类：
复制代码
package com.navteq.avro.inheritance; <p>package com.navteq.avro.inheritance;</p><p>import java.io.ByteArrayInputStream;</p><br></br>import java.io.ByteArrayOutputStream;<br></br>import java.io.EOFException;<br></br>import java.io.File;<p>import org.apache.avro.Schema;</p><br></br>import org.apache.avro.generic.GenericData;<br></br>import org.apache.avro.generic.GenericDatumReader;<br></br>import org.apache.avro.generic.GenericDatumWriter;<br></br>import org.apache.avro.generic.GenericRecord;<br></br>import org.apache.avro.io.BinaryEncoder;<br></br>import org.apache.avro.io.Decoder;<br></br>import org.apache.avro.io.DecoderFactory;<br></br>import org.apache.avro.io.Encoder;<br></br>import org.apache.avro.io.JsonDecoder;<br></br>import org.apache.avro.io.JsonEncoder;<br></br>import org.apache.avro.util.Utf8;<br></br>import org.junit.Before;<br></br>import org.junit.Test;<p>import com.navteq.avro.common.AvroUtils;</p><p>public class TestInheritance {</p><p> private Schema FBUser;</p><br></br> private Schema base;<br></br> private Schema ext1;<br></br> private Schema ext2;<p> @Before</p><br></br> public void setUp() throws Exception {<p> base = AvroUtils.parseSchema(new File("resources/facebookUser.avro"));</p><br></br> ext1 = AvroUtils.parseSchema(<br></br> new File("resources/FacebookSpecialUserExtension1.avro"));<br></br> ext2 = AvroUtils.parseSchema(<br></br> new File("resources/FacebookSpecialUserExtension2.avro"));<br></br> FBUser = AvroUtils.parseSchema(new File("resources/FacebooklUserInheritance.avro"));<br></br>}<p> @Test</p><br></br> public void testInheritanceBinary() throws Exception{<br></br> ByteArrayOutputStream outputStream = new ByteArrayOutputStream();<br></br> GenericDatumWriter<genericrecord> writer =<br></br> new GenericDatumWriter<genericrecord>(FBUser);<br></br> Encoder encoder = new BinaryEncoder(outputStream);<p> GenericRecord baseRecord = new GenericData.Record(base);</p><br></br> baseRecord.put("name", new Utf8("Doctor Who"));<br></br> baseRecord.put("num_likes", 1);<br></br> baseRecord.put("num_photos", 0);<br></br> baseRecord.put("num_groups", 423);<br></br> GenericRecord FBrecord = new GenericData.Record(FBUser);<br></br> FBrecord.put("type", "base");<br></br> FBrecord.put("user", baseRecord);<p> writer.write(FBrecord, encoder);</p><p> baseRecord = new GenericData.Record(base);</p><br></br> baseRecord.put("name", new Utf8("Doctor WhoWho"));<br></br> baseRecord.put("num_likes", 1);<br></br> baseRecord.put("num_photos", 0);<br></br> baseRecord.put("num_groups", 423);<br></br> GenericRecord extRecord = new GenericData.Record(ext1);<br></br> extRecord.put("specialData1", 1);<br></br> FBrecord = new GenericData.Record(FBUser);<br></br> FBrecord.put("type", "extension1");<br></br> FBrecord.put("user", baseRecord);<br></br> FBrecord.put("extension", extRecord);<p> writer.write(FBrecord, encoder);</p><p> baseRecord = new GenericData.Record(base);</p><br></br> baseRecord.put("name", new org.apache.avro.util.Utf8("Doctor WhoWhoWho"));<br></br> baseRecord.put("num_likes", 2);<br></br> baseRecord.put("num_photos", 0);<br></br> baseRecord.put("num_groups", 424);<br></br> extRecord = new GenericData.Record(ext2);<br></br> extRecord.put("specialData2", 2);<br></br> FBrecord = new GenericData.Record(FBUser);<br></br> FBrecord.put("type", "extension2");<br></br> FBrecord.put("user", baseRecord);<br></br> FBrecord.put("extension", extRecord);<p> writer.write(FBrecord, encoder);</p><p> encoder.flush();</p><p> byte[] data = outputStream.toByteArray();</p><br></br> ByteArrayInputStream inputStream = new ByteArrayInputStream(data);<br></br> Decoder decoder =<br></br> DecoderFactory.defaultFactory().createBinaryDecoder(inputStream, null);<br></br> GenericDatumReader<genericrecord> reader =<br></br> new GenericDatumReader<genericrecord>(FBUser);<br></br> while(true){<br></br> try{<br></br> GenericRecord result = reader.read(null, decoder);<br></br> System.out.println(result);<br></br> }<br></br> catch(EOFException eof){<br></br> break;<br></br> }<br></br> catch(Exception ex){<br></br> ex.printStackTrace();<br></br> }<br></br> }<br></br> }<br></br>}</genericrecord></genericrecord></genericrecord></genericrecord>
清单 12 一条多态 Facebook 用户记录的测试类
运行这个测试类产生的预期结果：
复制代码
{"type": "base", "user": {"name": "Doctor Who", "num_likes": 1, "num_photos": 0, "num_groups": 423}, "extension": null} {"type": "extension1", "user": {"name": "Doctor WhoWho", "num_likes": 1, "num_photos": 0, "num_groups": 423}, "extension": {"specialData1": 1}} {"type": "extension2", "user": {"name": "Doctor WhoWhoWho", "num_likes": 2, "num_photos": 0, "num_groups": 424}, "extension": {"specialData2": 2}}
清单 13 多态 Facebook 用户记录测试的执行结果
使用 ApacheAvro 的向后兼容性
XML 的优势之一就是当模式定义使用可选参数扩展时具备向后兼容性。我们介绍一个第三扩展记录的定义来测试 Avro 的这个特性：
复制代码
{ "namespace": "com.navteq.avro", "name": "FacebookSpecialUserExtension3", "type": "record", "fields": [ {"name": "specialData3", "type": "int"} ] }
清单 14 第三扩展记录的定义
多态记录的变更定义如下：
复制代码
{ "namespace": "com.navteq.avro", "name": "FacebookSpecialUser11", "type": "record", "fields": [ {"name": "type", "type": "string" }, {"name": "user", "type": com.navteq.avro.FacebookUser }, {"name": "extension", "type": [com.navteq.avro.FacebookSpecialUserExtension1, com.navteq.avro.FacebookSpecialUserExtension2, com.navteq.avro.FacebookSpecialUserExtension3, "null"]} ] }
清单 15 Facebook 特殊用户的改进多态定义
为了能读取清单 15 中记录定义中的记录，清单 12 中的代码在修改后（但仍然用清单 11 中的记录定义来写数据）生成下列结果：
复制代码
{"type": "base", "user": {"name": "Doctor Who", "num_likes": 1, "num_photos": 0, "num_groups": 423}, "extension": {"specialData3": 10}} <u><span color="#0000a0">java.lang.ArrayIndexOutOfBoundsException</span></u> <span color="#ff0000">at java.lang.System.arraycopy(<u><span color="#0000a0">Native Method</span></u>)</span> <span color="#ff0000">at org.apache.avro.io.BinaryDecoder.doReadBytes(<u><span color="#0000a0">BinaryDecoder.java:331</span></u>)<br></br></span> <span color="#ff0000">at org.apache.avro.io.BinaryDecoder.readString(<u><span color="#0000a0">BinaryDecoder.java:265</span></u>)<br></br></span> <span color="#ff0000">at org.apache.avro.io.ValidatingDecoder.readString(<u><span color="#0000a0">ValidatingDecoder.java:99</span></u>)<br></br></span> <span color="#ff0000">at org.apache.avro.generic.GenericDatumReader.readString(<u><span color="#0000a0">GenericDatumReader.java:318</span></u>)<br></br></span> <span color="#ff0000">at org.apache.avro.generic.GenericDatumReader.readString(<u><span color="#0000a0">GenericDatumReader.java:312</span></u>)<br></br></span> <span color="#ff0000">at org.apache.avro.generic.GenericDatumReader.read(<u><span color="#0000a0">GenericDatumReader.java:120</span></u>)<br></br></span> <span color="#ff0000">at org.apache.avro.generic.GenericDatumReader.readRecord(<u><span color="#0000a0">GenericDatumReader.java:142</span></u>)<br></br></span> <span color="#ff0000">at org.apache.avro.generic.GenericDatumReader.read(<u><span color="#0000a0">GenericDatumReader.java:114</span></u>)<br></br></span> <span color="#ff0000">at org.apache.avro.generic.GenericDatumReader.read(<u><span color="#0000a0">GenericDatumReader.java:105</span></u>)<br></br></span> <span color="#ff0000">at com.navteq.avro.inheritance.TestInheritance.testInheritanceBinary(<u><span color="#0000a0">TestInheritance.java:119</span></u>)<br></br></span> <span color="#ff0000">at sun.reflect.NativeMethodAccessorImpl.invoke0(<u><span color="#0000a0">Native Method</span></u>)<br></br></span> <span color="#ff0000">at sun.reflect.NativeMethodAccessorImpl.invoke(Unknown Source)<br></br></span> <span color="#ff0000">at sun.reflect.DelegatingMethodAccessorImpl.invoke(Unknown Source)<br></br></span> <span color="#ff0000">at java.lang.reflect.Method.invoke(Unknown Source)</span>
清单 16 多态 Facebook 用户记录对扩展定义测试的执行结果
虽然 Avro 提供了一个能够解决这个问题的 API——GenericDatumReader
一个更合适的解决方案是：从二进制编码器 / 解码器（它建立记录的二进制表象）切换到 JSON 编码器 / 解码器。在这种情况下代码有效，并产生以下结果：
复制代码
{"type": "base", "user": {"name": "Doctor Who", "num_likes": 1, "num_photos": 0, "num_groups": 423}, "extension": null} {"type": "extension1", "user": {"name": "Doctor WhoWho", "num_likes": 1, "num_photos": 0, "num_groups": 423}, "extension": {"specialData1": 1}} {"type": "extension2", "user": {"name": "Doctor WhoWhoWho", "num_likes": 2, "num_photos": 0, "num_groups": 424}, "extension": {"specialData2": 2}}
清单 17 应用 JSON 编码多态 Facebook 用户记录对扩展定义测试的执行结果
通过 JSON 的编码器，实际的数据转换成 JSON：
复制代码
{"type":"base","user":{"name":{"string":"Doctor Who"},"num_likes":1,"num_photos":0,"num_groups":423},"extension":null} {"type":"extension1","user":{"name":{"string":"Doctor WhoWho"},"num_likes":1,"num_photos":0,"num_groups":423},"extension":{"FacebookSpecialUserExtension1":{"specialData1":1}}} {"type":"extension2","user":{"name":{"string":"Doctor WhoWhoWho"},"num_likes":2,"num_photos":0,"num_groups":424},"extension":{"FacebookSpecialUserExtension2":{"specialData2":2}}}
清单 18 JSON 编码下所转换的数据
还有一个需要考虑的问题，在我的测试中，同样的数据在二进制编码下产生的 Avro 记录的大小为 89 字节，而在 JSON 编码下产生了 473 字节。
结论
当前实现的 Avro 不直接支持模式的组件化或模式组件重用，但像本文中描述的一个简单的框架能够为这些特性提供支持。尽管 Avro 不直接支持多态性，文中利用适当的模式设计可以简单地实现多态数据模式。至于真正意义上向后兼容性问题，只有使用 JSON 编码的时候 Avro 才支持 [11] 。最后一点和 Avro 的特性没有多大关系，更多的是来自 JSON。最后一点严重限制了 Avro 适用性（如果向后兼容性是必须的），使其使用范围局限为一种高级的 JSON 编组和处理 API。
除了一般的（这里所用到的）Avro 方法，也可以使用一个特定的 Avro。这时候，可通过（Avro）生产特定的记录而非普通的记录。尽管有些说法指出 [12] Avro 的特定应用能够获得性能提升，以我使用当前 Avro 版本（1.4.1）的经验来看，两者有着同样的性能表现。
[1] http://hadoop.apache.org/avro/
[2] http://avro.apache.org/docs/1.4.1/
[3] http://code.google.com/p/thrift-protobuf-compare/wiki/Benchmarking
[4] 我在 Avro 编组和 Avro Map Reduce 发现的几篇
[5] http://avro.apache.org/docs/current/spec.html
[6] 很有趣，Avro IDL 支持子 IDL
[7] 与明确支持类型定义中的基类型的 XML 不同
[8] 关于上面的代码需要指出的一点是，模式解析是在构造函数中完成的，原因在于构造解析是 Avro 实现中最昂贵的操作。
[9] http://code.google.com/p/protobuf/
[10] Avro 支持“Null”，这不同于可选参数，在 Avro 中“Null”表示某个属性没有值
[11] 或者如果有旧版本的模式
[12] http://code.google.com/p/thrift-protobuf-compare/wiki/Benchmarking
查看英文原文： Using Apache Avro
感谢马国耀对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家加入到 InfoQ 中文站用户讨论组中与我们的编辑和其他读者朋友交流。
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
大模型落地征程：技术与人才双驱动的数字化迭变
面向生态开放的新一代企业级应用架构
阿里云 AI 搜索 RAG 大模型优化实践
评论