Apache Avro 文档概况

文章主题来源于英文源文档 -> Apache Avro™ 1.11.0 文档

Apache Avro™ 1.11.0 Documentation

1. 介绍

Apache Avro™ 是一个数据序列化（data serialization）框架

Avro 提供如下：

• 丰富的数据结构
• 一种紧凑、快速的二进制数据格式
• 一个容器文件，用于存储持久数据
• 远程过程调用 Remote procedure call (RPC)
• 与动态语言的简单集成。代码生成不需要读取或写入数据文件，也不需要使用或实现 RPC协议。代码生成作为一种可选的优化，只为静态类型语言实现

2. Schemas(模式)

Avro 依赖于模式。读取 Avro 数据时，写入时使用的模式始终存在。这允许在没有每个值开销的情况下写入每个数据，从而使序列化既快速又小。这也便于使用动态脚本语言，因为数据及其模式是完全自描述的。

当 Avro 数据存储在文件中时，它的模式也随之存储，以便以后任何程序都可以处理文件。如果读取数据的程序需要不同的模式，这很容易解决，因为两种模式都存在。

在 RPC 中使用 Avro 时，客户端和服务器在连接握手中交换模式（这可以优化，使得对于大多数调用，实际上并不传输模式）。由于客户端和服务器都具有对方的完整模式，因此可以轻松解决相同命名字段之间的对应关系，缺少字段，额外字段等.

Avro 模式是用 JSON 定义的。这有助于在已经具有 JSON 库的语言中实现。

3. 与其他框架的比较

Avro 提供类似于 Thrift、Protocol Buffers 等系统的功能。Avro 在以下基本方面与这些系统不同

• 动态类型：Avro 不需要生成代码。数据总是伴随着一个模式，该模式允许在没有代码生成、静态数据类型等的情况下完全处理该数据。这有助于构建通用数据处理系统和语言。
• 未标记数据：由于在读取数据时存在模式，因此需要用数据编码的类型信息要少得多，从而导致更小的序列化大小。
• 没有手动分配的字段 ID：当架构更改时，处理数据时始终存在旧架构和新架构，因此可以使用字段名称象征性地解决差异。