hadoop-common源码分析之-WritableUtils

hadoop将java的基本类型进行封装，对整型进行编码时，分为固定长度格式、可变长度格式。可变长度格式使用一种比较灵活的编码方式，对与较小的数（尤其是负数）可以节省空间存储。

VIntWritable

public class VIntWritable implements WritableComparable<VIntWritable> {
  private int value;

//getter //setter
  @Override
  public void readFields(DataInput in) throws IOException {
    value = WritableUtils.readVInt(in);
  }

  @Override
  public void write(DataOutput out) throws IOException {
    WritableUtils.writeVInt(out, value);
  }

}

WritableUtils.writeVLong

  public static void writeVInt(DataOutput stream, int i) throws IOException {
    writeVLong(stream, i);
  }
  public static void writeVLong(DataOutput stream, long i) throws IOException {
    if (i >= -112 && i <= 127) {
      stream.writeByte((byte)i);
      return;
    }

    int len = -112;
    if (i < 0) {
      i ^= -1L; // take one‘s complement‘
      len = -120;
    }

    long tmp = i;
    while (tmp != 0) {
      tmp = tmp >> 8;
      len--;
    }

    stream.writeByte((byte)len);

    len = (len < -120) ? -(len + 120) : -(len + 112);

    for (int idx = len; idx != 0; idx--) {
      int shiftbits = (idx - 1) * 8;
      long mask = 0xFFL << shiftbits;
      System.out.println(((i & mask) >> shiftbits));
      stream.writeByte((byte)((i & mask) >> shiftbits));
    }
  }

1. 如果i在 [-112 ~ 127] 之间，直接转换为byte类型存储。
2. 如果i小于-112时，将其转换成正数(异或-1L)，将标识量len 设置-120；否则len为-112
3. 移位要存储的数据，同时len进行自减(len即做了标示量，又统计了移位次数)。
4. 将标识量写到输出流。
5. 重置len，将len设置为移位个数。
6. 进行循环，将数据每8位写到输出流(大端模式)，具体分析for循环。

WritableUtils.readVLong

  public static long readVLong(DataInput stream) throws IOException {
    byte firstByte = stream.readByte();
    int len = decodeVIntSize(firstByte);
    if (len == 1) {
      return firstByte;
    }
    long i = 0;
    for (int idx = 0; idx < len-1; idx++) {
      byte b = stream.readByte();
      i = i << 8;
      i = i | (b & 0xFF);
    }
    return (isNegativeVInt(firstByte) ? (i ^ -1L) : i);
  }
  public static int decodeVIntSize(byte value) {
    if (value >= -112) {
      return 1;
    } else if (value < -120) {
      return -119 - value;
    }
    return -111 - value;
  } 
  public static boolean isNegativeVInt(byte value) {
    return value < -120 || (value >= -112 && value < 0);
  }

1. 读取一个byte类型
2. 判断读出数据如果大于-112,说明不是标志量，可以直接返回原始数据，如果小于-120或者在[-112 ~ -120]之间，说明为标识量，需要判断返回移动位数。
3. 通过得到移动的位数，每次移动8位，异或移位。还原数据。
4. 判断表示量，如果在小于-120 或者在[0 ~ -112]之间，证明是负数，将得到的数据进行异或-1L得到最终值。

总结：

1. 在存储正数时，为了防止类型过大，而存储值小的，hadoop将数据每8位转换成byte进行存储。
2. 在存储负数时，由于负数存储需要以补码形式(反码+1)，浪费太多的空间，所以hadoop先将负数与-1L异或，得到正数进行存储，所以在存储过程中，需要一个标识来标记数字正负，即len，它同时标识了需要移动位数和正负。