Hadoop ApacheAvro-内部表示

我正在学习ApacheAvro，我想知道它是如何在内部表示的。如果我要为同一个问题描述Apache Parquet，我可以说每个Parquet文件都由行组组成，每个行组包含列块，列块有多个编码不同的页面。最后，所有这些的元数据都存储在文件页脚上。Github及其官方Apache中清楚地记录了这种文件表示形式

为了找到与ApacheAvro相同的内部表示形式，我查阅了Github、ApacheAvro和Hadoop Financial一书以及更多在线教程等多个页面，但我找不到我想要的内容。我知道ApacheAvro是面向行的文件格式，每个文件都有模式以及文件中的数据。所有这些都很好，但我想知道如何进一步分解内部组织的数据，可能类似于RDBMS表的页面

---

非常感谢与此相关的任何指针。

Avro容器文件格式已在其文档中指定。如果你喜欢简洁，那么维基百科有一个更精辟的说法：

Avro对象容器文件包括：

• 文件头，后跟
• 一个或多个文件数据块

文件头包括：

• 四个字节，ASCII“O”、“b”、“j”，后跟Avro版本号1（0x01）（二进制值0x4F 0x62 0x6A 0x01）
• 文件元数据，包括架构定义
• 此文件随机生成的16字节同步标记

对于数据块，Avro指定两种序列化编码：二进制和JSON。大多数应用程序将使用二进制编码，因为它更小更快。对于调试和基于web的应用程序，JSON编码有时可能是合适的

您可以根据它们的参考实现来验证这一点，例如从主

create

方法开始，然后查看

append（D datum）

方法

---

二进制对象编码在他们的文档中有描述。编码数据只是编码对象（或多个对象）的遍历，每个对象和字段都按照文档中的描述进行编码。

Thank you@jon hanson。这对我有帮助。很抱歉，我无法在他们的官方网站上找到这些信息。@VenkatesanMuniappan没问题，这就是StackOverflow的作用。感谢您的理解