Apache Avro

Apache Avro

Разработчики)	Фонд программного обеспечения Apache
Первый выпуск	2 ноября 2009 г . ; 11 лет назад [1] (2009-11-02)
Стабильный выпуск	1.10.2 / 15 марта 2021 г . ; 45 дней назад [2] (2021-03-15)
Репозиторий	Репозиторий Avro
Написано в	Java , C , C ++ , C # , Perl , Python , PHP , Ruby
Тип	Удаленный вызов процедуры рамки
Лицензия	Лицензия Apache 2.0
Веб-сайт	avro .apache .org

Авро является строкой , ориентированными на удаленный вызов процедур и данные сериализации рамки разработанной в рамках Hadoop в Apache проекта. Он использует JSON для определения типов данных и протоколов и сериализует данные в компактном двоичном формате. Его основное использование - в Apache Hadoop , где он может предоставлять как формат сериализации для постоянных данных , так и формат проводной связи для связи между узлами Hadoop и от клиентских программ к службам Hadoop.. Avro использует схему для структурирования кодируемых данных. Он имеет два разных типа языков схем; один для редактирования человеком (Avro IDL), а другой, более машиночитаемый на основе JSON. ^[3]

Он похож на Thrift и Protocol Buffers , но не требует запуска программы генерации кода при изменении схемы (если это не требуется для языков со статической типизацией ).

Apache Spark SQL может обращаться к Avro как к источнику данных. ^[4]

Файл-контейнер объектов Avro [ править ]

Файл- контейнер объектов Avro состоит из: ^[5]

• Файл заголовка , а затем
• один или несколько блоков данных файла .

Заголовок файла состоит из:

• Четыре байта, ASCII 'O', 'b', 'j', за которыми следует номер версии Avro, равный 1 (0x01) (двоичные значения 0x4F 0x62 0x6A 0x01).
• Метаданные файла, включая определение схемы.
• 16-байтовый, случайно сгенерированный маркер синхронизации для этого файла.

For data blocks Avro specifies two serialization encodings:^[6] binary and JSON. Most applications will use the binary encoding, as it is smaller and faster. For debugging and web-based applications, the JSON encoding may sometimes be appropriate.

Schema definition[edit]

Avro schemas are defined using JSON. Schemas are composed of primitive types (null, boolean, int, long, float, double, bytes, and string) and complex types (record, enum, array, map, union, and fixed).^[7]

Simple schema example:

 { "namespace": "example.avro", "type": "record", "name": "User", "fields": [ {"name": "name", "type": "string"}, {"name": "favorite_number", "type": ["null", "int"]}, {"name": "favorite_color", "type": ["null", "string"]} ] }

Serializing and deserializing[edit]

Data in Avro might be stored with its corresponding schema, meaning a serialized item can be read without knowing the schema ahead of time.

Example serialization and deserialization code in Python[edit]

Serialization:^[8]

import avro.schemafrom avro.datafile import DataFileReader, DataFileWriterfrom avro.io import DatumReader, DatumWriterschema = avro.schema.parse(open("user.avsc", "rb").read()) # need to know the schema to write. According to 1.8.2 of Apache Avrowriter = DataFileWriter(open("users.avro", "wb"), DatumWriter(), schema)writer.append({"name": "Alyssa", "favorite_number": 256})writer.append({"name": "Ben", "favorite_number": 7, "favorite_color": "red"})writer.close()

File "users.avro" will contain the schema in JSON and a compact binary representation^[9] of the data:

$ od -v -t x1z users.avro 0000000 4f 62 6a 01 04 14 61 76 72 6f 2e 63 6f 64 65 63 >Obj...avro.codec<0000020 08 6e 75 6c 6c 16 61 76 72 6f 2e 73 63 68 65 6d >.null.avro.schem<0000040 61 ba 03 7b 22 74 79 70 65 22 3a 20 22 72 65 63 >a..{"type": "rec<0000060 6f 72 64 22 2c 20 22 6e 61 6d 65 22 3a 20 22 55 >ord", "name": "U<0000100 73 65 72 22 2c 20 22 6e 61 6d 65 73 70 61 63 65 >ser", "namespace<0000120 22 3a 20 22 65 78 61 6d 70 6c 65 2e 61 76 72 6f >": "example.avro<0000140 22 2c 20 22 66 69 65 6c 64 73 22 3a 20 5b 7b 22 >", "fields": [{"<0000160 74 79 70 65 22 3a 20 22 73 74 72 69 6e 67 22 2c >type": "string",<0000200 20 22 6e 61 6d 65 22 3a 20 22 6e 61 6d 65 22 7d > "name": "name"}<0000220 2c 20 7b 22 74 79 70 65 22 3a 20 5b 22 69 6e 74 >, {"type": ["int<0000240 22 2c 20 22 6e 75 6c 6c 22 5d 2c 20 22 6e 61 6d >", "null"], "nam<0000260 65 22 3a 20 22 66 61 76 6f 72 69 74 65 5f 6e 75 >e": "favorite_nu<0000300 6d 62 65 72 22 7d 2c 20 7b 22 74 79 70 65 22 3a >mber"}, {"type":<0000320 20 5b 22 73 74 72 69 6e 67 22 2c 20 22 6e 75 6c > ["string", "nul<0000340 6c 22 5d 2c 20 22 6e 61 6d 65 22 3a 20 22 66 61 >l"], "name": "fa<0000360 76 6f 72 69 74 65 5f 63 6f 6c 6f 72 22 7d 5d 7d >vorite_color"}]}<0000400 00 05 f9 a3 80 98 47 54 62 bf 68 95 a2 ab 42 ef >......GTb.h...B.<0000420 24 04 2c 0c 41 6c 79 73 73 61 00 80 04 02 06 42 >$.,.Alyssa.....B<0000440 65 6e 00 0e 00 06 72 65 64 05 f9 a3 80 98 47 54 >en....red.....GT<0000460 62 bf 68 95 a2 ab 42 ef 24 >b.h...B.$<0000471

Deserialization:

reader = DataFileReader(open("users.avro", "rb"), DatumReader()) # the schema is embedded in the data filefor user in reader: print userreader.close()

This outputs:

{u'favorite_color': None, u'favorite_number': 256, u'name': u'Alyssa'}{u'favorite_color': u'red', u'favorite_number': 7, u'name': u'Ben'}

Languages with APIs[edit]

Though theoretically any language could use Avro, the following languages have APIs written for them:^[10][11]

• C
• C++
• C#^[12][13][14]
• Go
• Haskell^[15]
• Java
• Javascript^[16]
• Perl
• PHP
• Python
• Ruby
• Rust^[17]
• Scala

Avro IDL[edit]

In addition to supporting JSON for type and protocol definitions, Avro includes experimental^[18] support for an alternative interface description language (IDL) syntax known as Avro IDL. Previously known as GenAvro, this format is designed to ease adoption by users familiar with more traditional IDLs and programming languages, with a syntax similar to C/C++, Protocol Buffers and others.

Logo[edit]

The Apache Avro logo is from the defunct British aircraft manufacturer Avro (originally A.V. Roe and Company).^[19] Football team Avro F.C. uses the same logo.^[20]

See also[edit]

• Comparison of data serialization formats
• Apache Thrift
• Protocol Buffers
• Etch (protocol)
• Internet Communications Engine
• MessagePack
• CBOR

References[edit]

Further reading[edit]

• White, Tom (November 2010). Hadoop: The Definitive Guide. ISBN 978-1-4493-8973-4.