Avro是Hadoop的一个子项目，由Hadoop的创始人Doug Cutting（也是Lucene，Nutch等项目的创始人）牵头开发。
Avro是一个数据序列化系统，它的主要特点有：
- 提供了丰富的数据结构
- 提供容器文件，用于存储持久化数据（可以作缓冲用）
- 远程过程调用（RPC）
- 生成的序列化文件比较紧凑，并且支持二进制序列化枨式，可以便捷快速地处理大量数据
- 动态语言集成功能，该功能使动态语言可以方便地处理Avro数据。Avro 和动态语言结合后，读写数据文件和使用 RPC 协议都不需要生成代码，也不需要使用或实现RPC协议。代码生成作为一种可选的优化，只在为静态类型语言的集成中实现。
Avro提供的功能类似于Thrift， Protocol Buffer等系统。Avro在以下基本方面与这些系统不同：
- 动态类型：Avro不需要生成代码。数据始终伴随着一个schema，该schema允许对数据进行全面处理而无需代码生成，静态数据类型等。这有助于构建通用数据处理系统和语言。
- 未标记的数据：由于在读取数据时存在schema，因此需要用数据编码的类型信息少得多，因些序列化的内容相对比较小。
- 没有手动分配的字段ID：当模式更改时，在处理数据时，旧模式和新模式都始终存在，因此可以使用字段名称以符号方式解决差异。
Avro的Schema定义了简单数据类型和复杂数据类型两种：
简单数据类型简单数据类型有以下8种：
类型含义null没有值boolean布尔值int32位有符号整数long64位有符号整数float单精度（32位）的IEEE 754浮点数double双精度（64位）的IEEE 754浮点数bytes8位无符号字节序列string字符串基本类型没有属性，基本类型的名字也就是类型的名字，比如： {“type”: “int”}
复杂类型Avro提供了Record，Enum，Array，Map，Union和Fixed 6种复杂类型：
RecordRecord类型的名字是 “record”，类似于Java中的对象，它支持的属性有：
- name：record类型的名字(必填)
- namespace：命名空间(可选)
- doc：该类型的文档说明(可选)
- aliases：record类型的别名，它是字符串数组(可选)
- fields：record类型中的字段，是个对象数组(必填)。每个字段需要以下属性：
- name：字段名字(必填)
- doc：字段说明文档(可选)
- type：一个schema的json对象或者一个类型名字(必填)
- default：默认值(可选)
- order：排序(可选)，只有3个值ascending(升序、默认)，descending或ignore
- aliases：别名，字符串数组(可选)
示例：定义一个元素类型是Long的链表：
{
"type": "record",
"name": "LongList",
"aliases": ["LinkedLongs"], // old name for this
"fields" : [
{"name": "value", "type": "long"}, // each element has a long
{"name": "next", "type": ["null", "LongList"]} // optional next element
]
}
枚举类型的名字是”enum”，它支持的属性的有：
- name：枚举类型的名字(必填)
- namespace：命名空间(可选)
- aliases：字符串数组，别名(可选)
- doc：说明文档(可选)
- symbols：字符串数组，所有的枚举值(必填)，不允许重复数据。
示例：
{ "type": "enum",
"name": "Season",
"symbols" : ["Spring", "Summer", "autumn", "Winter"]
}
数组类型的名字是”array”，它只支持如下所示的一个属性：
- items：数组元素的schema
示例：
{"type": "array", "items": "string"}
Map类型的名字是”map”，它只支持如下所示的一个属性：
- values：map值的schema
示例：
{"type": "map", "values": "long"}
注意：Map的key必须是字符串。
Union组合类型的名字是Union，它表示各种类型的组合，类似于C语言中的结构体，使用数组进行组合。比如[“null”, “int”]，表示类型可以为null或者int。 组合类型的默认值是组合类型的第一个元素，因此如果一个组合类型包括null类型，那么null类型一般都会放在第一个位置，这样子的话这个组合类型的默认值就是null。 组合类型中不允许同一种类型的元素的个数超过一个，除了record，fixed和enum。比如组合类中有2个array类型或者2个map类型，这是不允许的。 组合类型不允许嵌套组合类型。
Fixed混合类型的名字是fixed，它支持以下属性：
- name：名字(必填)
- namespace：命名空间(可选)
- aliases：字符串数组，别名(可选)
- size：一个整数，表示每个值的字节数(必填)
示例：8个字节数的fixed类型：
{"type": "fixed", "size": 8, "name": "demo"}
Avro在序列化时依赖模式文件(schema)，当Avro读取数据和写入数据时，都需要提供模式文件。这样Avro就可以预先知道数据的类型，不用对数据进行预先检测而可以写入每个数据，从而使序列化既快又小。由于数据及其模式是完全自描述的，因此也便于使用动态脚本语言。
Avro依赖模式(Schema)来实现数据结构定义。可以把模式理解为Java的类，它定义每个实例的结构，可以包含哪些属性。可以根据类来产生任意多个实例对象。对实例序列化操作时必须需要知道它的基本结构，也就需要参考类的信息。这里，根据模式产生的Avro对象类似于类的实例对象。每次序列化/反序列化时都需要知道模式的具体结构。所以，在Avro可用的一些场景下，如文件存储或是网络通信，都需要模式与数据同时存在。Avro数据以模式来读和写(文件或是网络)，并且写入的数据都不需要加入其它标识，这样序列化时速度快且结果内容少。由于程序可以直接根据模式来处理数据，所以Avro更适合于脚本语言的发挥。
当Avro数据存储在文件中时，对应的模式信息也会随之存储，因此以后任何程序都可以处理该数据文件。如果读取数据的程序期望使用其他模式，则由于这两种模式文件的存在，因此可以轻松解决。
Avro模式是使用JSON定义的 。这有助于以已经具有JSON库的语言实现。 模式文件一般以.avsc结尾（maven插件会去指定目录下获取.avsc结尾的文件并生成成java文件）
示例1：
{
"namespace":"com.hc.bean",
"type":"record",
"name":"Dept",
"fields":[
{"name":"deptno","type":"int"},
{"name":"dname","type":"string"},
{"name":"loc","type":["null","string"]}
]
}
示例2：
{"namespace": "com.hc.bean",
"type": "record",
"name": "avroBean",
"fields": [
{"name": "stringVar", "type": "string"},
{"name": "bytesVar", "type": ["bytes", "null"]},
{"name": "booleanVar", "type": "boolean"},
{"name": "intVar", "type": "int", "order":"descending"},
{"name": "longVar", "type": ["long", "null"], "order":"ascending"},
{"name": "floatVar", "type": "float"},
{"name": "doubleVar", "type": "double"},
{"name": "enumVar", "type": {"type": "enum", "name": "Suit", "symbols" : ["SPADES", "HEARTS", "DIAMONDS", "CLUBS"]}},
{"name": "strArrayVar", "type": {"type": "array", "items": "string"}},
{"name": "intArrayVar", "type": {"type": "array", "items": "int"}},
{"name": "mapVar", "type": {"type": "map", "values": "long"}},
{"name": "fixedVar", "type": {"type": "fixed", "size": 16, "name": "md5"}}
]
}
