Apache Hadoop Java API：Text.readFields()与Text.readString()的区别

我来帮你理清楚Apache Hadoop里Text类的readFields()和readString()到底有啥不一样——当初我刚接触Hadoop序列化的时候也搞混过这俩，结合源码和实际使用经验给你拆解下：

1. 方法定位与用途 #

• Text.readFields(DataInput in)：这是Writable接口强制要求的反序列化方法，属于Text实例的成员方法。它的作用是把输入流中的数据读取并填充到当前Text对象本身，会直接修改实例的内部状态。简单说：你得先有个Text对象，调用它的readFields才能把流里的内容“装进”这个对象里。
• Text.readString(DataInput in, int maxLength)（含无maxLength的重载）：这是个静态工具方法，完全独立于Text实例。它的核心作用是直接从输入流读取UTF-8编码的内容，解码后返回一个Java String对象——不需要提前创建任何Text实例就能用，纯粹是个“读流转String”的工具。

2. 实现细节差异 #

从你贴的readString源码片段也能看出它的逻辑：

先通过WritableUtils.readVIntInRange()读取可变长度的整数（用来标记后续字符串的字节长度，这种编码能节省空间），然后读取对应长度的字节数组，最后将字节数组解码为UTF-8字符串返回。

而readFields()的底层实现，本质是调用Text内部的重载方法，逻辑是：

• 同样读取可变长度整数作为字节长度
• 把读取到的字节直接存储到Text对象内部的字节数组里（Text底层就是用字节数组存储UTF-8编码内容，而非直接存String）
• 不会直接返回String，数据会留在当前Text实例中，后续你可以通过toString()转成String，或者用Text的其他方法操作这些原始字节。

3. 使用场景区别 #

• 用readFields()：当你需要反序列化得到一个Text对象的时候，比如MapReduce任务中Reducer接收Text类型的键值对，框架内部就是调用这个方法把序列化流转换成Text实例。
• 用readString()：当你只需要从流里拿到一个字符串，不需要Text对象的时候，比如自定义Writable类中要读取一个字符串字段，直接调用这个静态方法拿到String就行，没必要额外创建Text实例。

举两个简单的代码示例：

使用readFields()的场景 #

// 先创建空的Text实例
Text text = new Text();
// 从输入流读取数据填充到text对象
text.readFields(dataInput);
// 后续可以转成String使用
String content = text.toString();

使用readString()的场景 #

// 无需创建Text，直接从流读取UTF-8字符串
String content = Text.readString(dataInput);
// 带maxLength的版本更安全，能限制读取的最大字节数，防止恶意数据
String limitedContent = Text.readString(dataInput, 1024);

4. 额外注意点 #

• readString()的带maxLength参数版本可以限制读取的最大字节数，避免读取过大的恶意数据，安全性更高；readFields()如果要限制长度，需要调用其重载方法readFields(DataInput in, int maxLength)。
• Text内部存储的是UTF-8原始字节，readFields()后Text对象占用的内存更小；而readString()直接解码成Java String（UTF-16编码），会占用更多内存空间。

内容的提问来源于stack exchange，提问作者Gyanendra Dwivedi