مفهوم AVRO

AVRO

Avro  یک زبان بی طرف سیستم ترتیب داده هاست.این پروژه توسط Doug Cutting خلق شده است.برای رسیدگی به عمده جنبه های هادوپ باید نوشت:عدم قابلیت حمل زبان٬داشتن فرمتی که زبان های بسیاری می توانند آن را پردازش کنندکه این می تواند مخاطب بیشتری از یک زبان (C, C++, Java, Python, and Ruby)داشته باشد تا در گیر یک زبان خاص باشد و همچنین در آینده این پتانسیل در داده بوجود می آورد که خود زبان خود را جهت نوشتن و خوانندن انتخاب کند.Avro Data با استفاده از یک زبان مستقل یک طرح Schema را توصیف می کند هرچند که شبیه به سیستم های دیگر نباشد.تولید کد در Avro  اختیاری است به این معنی که شما می توانیدبنویسید و بخوانید مطابق با طرح Schema مورد نظر خود حتی اگر تا به حال آن کد خاص را ندیده باشید و با آن آشنا نباشید.برای رسیدن به این موضوع Avro فرض می کند که طرحSchema همیشه در یک زمان می تواند هم بنویسد و هم بخواند که این امر باعث بوجود آمدن یک کد گزاری فشرده می شود.ار آنجا به این نتیجه خواهیم رسید که مقادیر کدگزاری نیاز به برچسب با یک شناسه را ندارد.مفهوم AVRO یک روش صداکننده از راه دور ( remote procedure call)و همچنین یک فریم ورک ترتیب داده هاست(data serialization) که در پروژه هادوپ توسعه یافته است.Avro از Json برای تعریف انواع داده و پروتکل ها وسریالی کردن داده ها در قالب باینری فشرده استفاده می کند.کاربرد اصلی Avro در Apache Hadoop است جایی که بتوانیم دو قالب داده های دایمی(persistent data) و نودهایی که به صورت شبکه ای با هم ارتباط داشته باشند(Wire format) را فراهم کنیم وهمچنین برنامه هایی که جهت اجرای سرویس های هادوپ از طرف کاربر نهایی اجرا می شود.

مفهوم avro رسیدگی به serialization و فراخوانی‌های از راه (RPC) دور است. برنامه این است که از Avro به جای سایر روش‌های RPC در Hadoop استفاده شود تا در نتیجه‌ی آن بشود از سایر زبان‌ها (و نه فقط جاوا) با Hadoop ارتباط برقرار کرد، چون پروتکل آن دقیق‌تر و واضح‌تر مستندسازی شده است. کار دیگری که در صف قرار دارد، امنیت است. همیشه بهبودهای کارایی، بهبود واسط برنامه‌نویسی و امکانات جدید وجود دارند.

زبان های API دار

هر چند که Avro از لحاظ تئوری از همه زبان ها می تواند استفاده کند  ولی برای زبان های زیر API نوشته شده است:

• Java
• Scala
• C#^[۲][۳][۴]
• C
• C++
• Python
• Ruby

سایت اوراکل فارسی راه اندازی شد.برای مشاهده سایت اینجا کلیک نمایید.

جهت دانلود دوره های آموزشی تصویری با موضوع آموزش هادوپ روی موضوعات زیر کلیک نمایید.

• • آموز ش تصویری  پردازش داده توسط هادوپ ( Data Analytics using Hadoop eco system) .
  • آموزش راه اندازی و مدیریت کلاستر هادوپ.
  • آموزش مباحث طراحی و معماری برنامه های هادوپ( Hadoop).
  • آموزش مبانی هادوپ.
  • آموزش ساخت کلاسترهای Apache Hadoop.
  • آموزش سریع و کاربردی هادوپ منطبق بر آزمون بین المللی CDH-410.
  • آموزش ساخت برنامه های توزیع شده بر روی Hadoop بوسیله Scalding.
  • آموزش آپاچی هادوپ – Hadoop.
  • آموزش تصویری مبانی هادوپ.
  • آموزش تصویری ملزومات هادوپ و کلان داده (Big Data and Hadoop Essentials).