Java 在hadoop中，哪种数据结构最好在映射输出值中包含多个类型？

我编写了一个map reduce程序，其值格式为：

Integer@BitSet

我想减小洗牌的大小。用起来好吗

Vector<Object> vec=new Vector();
vec.add(Integer);
vec.add(BitSet);

Vector vec=new Vector（）；
向量加（整数）；
矢量相加（位集）；

---

这个向量大吗？在我的例子中，哪种数据结构最好？

位集和整数都是从

对象扩展而来的

所以你的例子会起作用

向量
是同步的，因此会导致性能下降

我会使用
ArrayList
接口

List<Object> bb = new ArrayList<Object>();
bb.add(new Integer(3));
bb.add(new BitSet(5));

List bb=new ArrayList（）；
bb.添加（新整数（3））；
bb.add（新的位集（5））；

我看不到任何共同点，只有对象

使用单个类作为结构的其他方法

public class Struct{
   private Integer mInt;
   private BitSet mBitSet;
}

...
Struct struct;
List<Struct> bb = new ArrayList<Struct>();
struct = new Struct(new Integer(3));
bb.add(struct);
struct = new Struct(new BitSet(5));
bb.add(struct);

....

公共类结构{
私有整数造币厂；
私有比特集mBitSet；
}
...
Struct-Struct；
List bb=新的ArrayList（）；
struct=新结构（新整数（3））；
bb.添加（结构）；
struct=新结构（新位集（5））；
bb.添加（结构）；
....
如果您想减小随机播放的大小，最好的方法是实现一个自定义的可写类。hadoop处理奇怪类型序列化的方式有时会有相当大的开销，因此定制的可写类型可以让您完全控制，您还可以利用非常有效的“原始”可写类型。你可以这样做：

public class IntAndBitSetWritable implements Writable {

    private IntWritable n;
    private BytesWritable bytes;

    @Override
    public void readFields(DataInput in) throws IOException {
        n.readFields(in);
        bytes.readFields(in);
    }

    @Override
    public void write(DataOutput out) throws IOException {
        n.write(out);
        bytes.write(out);
    }

    public BitSet getBitSet() {
        return BitSet.valueOf(bytes.getBytes());
    }

    public int getInt() {
        return n.get();
    }

    public void setBitSet(BitSet b) {
        byte[] arr = b.toByteArray();
        bytes.setSize(arr.length);
        bytes.set(arr, 0, arr.length);
    }

    public void setInt(int i) {
        n.set(i);
    }

}

请注意，以上假设使用Java 7将
位集
转换为
字节[]
。如果使用Java6，您可能需要实现不同的转换方法