摘要
Schema究竟是什麼，Avro和JSON的關係，Avro的序列化與反序列化，對象容器文件。
Schema究竟是什麼？
從Apache Avro簡介中並不能確切的理解schema究竟是什麼。通過閱讀官方文檔，總結如下：
- schema是一種metadata（元數據，是用於描述數據的數據），用於描述avro數據；
-
schema通過JSON定義，下面是一個record類型的schema：
{ "type": "record", "name": "test", "fields" : [ {"name": "a", "type": "long"}, {"name": "b", "type": "string"} ] } -
解析avro數據（來自對象容器文件或序列化數據）時，必須根據數據的schema進行分析；
通常，schema和其描述的數據一起存放，例如：在avro支持的對象容器文件(Object Container File)中就在頭部包含了文件中存儲的數據的schema；在RPC應用中，通信雙方也必須確保擁有對方所發送數據的schema。
Avro與JSON的類型映射
Avro數據的序列化和反序列化
Avro指定兩種序列化方法：
- 二進制：更小、更快，用於大部分應用中；
- JSON：易讀，常用於調試和基於web的應用中；
序列化原則：深度優先、從左到右。
序列化之後的數據，可以通過反序列化而得到原數據(首先獲取schema是必須的)。
對象容器文件(Object Container File)
對象容器文件是avro定義的一種文件格式。包含如下內容：
- Four bytes, ASCII 'O', 'b', 'j', followed by 1.
- file metadata, including the schema.
- The 16-byte, randomly-generated sync marker for this file.
- one or more file data blocks.
注意：
- 文件中存儲的所有數據必須對應於頭部的schema(avro.schema)；
- 所有數據必須採用二進制序列化；
- 存儲的數據可以壓縮(deflate)，也可以不壓縮(null)；
JSON與Avro可以互轉嗎？
可以！參考序列化和反序列化。