hadoop中读取protobuf数据

在mapreduce中读取protobuf数据时，会遇到一个坑

BytesWritable。当你把byte[]数据保存到BytesWritable后，通过BytesWritable.getBytes()再读到的数据并不一定是原数据，可能变长了很多，这是因为BytesWritable采用了自动内存增长算法，你保存的数据长度为size时，它可能将数据保存到了长度为capacity（capacity>size）的buffer中，这时候，你通过BytesWritable.getBytes()得到的数据最后一些字符是多余的，如果里面保存的是protobuf序列化后的数据，则无法反序列化，这时候可以使用BytesWritable.setCapacity(BytesWritable.getLength())将后面多余空间剔除掉，然后就可以使用protobuf反序列为原始数据。

关键代码如下

conf.setInputFormat(SequenceFileAsBinaryInputFormat.class);

public void map(Object key, BytesWritable values, OutputCollector output,
Reporter reporter) throws IOException {
values.setCapacity(values.getLength());// very important !!!
byte[] data = values.getBytes();
// more code
}