参考自http://avro.apache.org/docs/current/spec.html
Avro 1.4.1规范定义了Avro序列化系统，它即将成为官方规范，Avro的各种实现方式必须遵循该规范。

Schema定义
AVRO的Schema是用JSON的格式表示的，Schema可以用

• JSON String 来命名一个定义的类型
• JSON 对象，形式如：
• 引用
  {“type”: “typeName” …attributes…}

  typeName可以是一个原生类型或者下面将要定义的衍生类型。这篇文档没有定义JSON对象中的属性，这些属性可以成为meta data，但是不能影响序列化数据的格式。

• JSON 数组，代表内嵌类型的并集（union）。

原生类型
原生类型如下所示：

• null: 表示没有值
• boolean: 表示一个二进制布尔值
• int: 表示32位有符号整数
• long: 表示64位有符号整数
• float: 表示32位的单精度浮点数（IEEE 754）
• double: 表示64位双精度浮点数（IEEE 754）
• bytes: 表示8位的无符号字节序列
• string: Unicode 编码的字符序列
• 总共就这8种原生数据类型，这些原生数据类型均没有明确的属性。

原生数据类型也可以使用JSON定义类型名称，比如schema “string”和{“type”: “string”}是同义且相等的。

复杂类型
AVRO支持6种类型的复杂类型，分别是：records, enums, arrays, maps, unions and fixed.
Records
Records使用类型名称“record”，并且支持三个必选属性。

• type: 必有属性。
• name: 必有属性，是一个JSON string，提供了记录的名字。
• namespace，也是一个JSON string，用来限定和修饰name属性。
• doc: 可选属性，是一个JSON string，为使用这个Schema的用户提供文档。
• aliases: 可选属性，是JSON的一个string数组，为这条记录提供别名。
• fields: 必选属性，是一个JSON数组，数组中列举了所有的field。每一个field都是一个JSON对象，并且具有如下属性：
• name: 必选属性，field的名字，是一个JSON string。
  doc: 可选属性，为使用此Schema的用户提供了描述此field的文档。
  type: 必选属性，定义Schema的一个JSON对象，或者是命名一条记录定义的JSON string。
  default: 可选属性，即field的默认值，当读到缺少这个field的实例时用到。默认值的允许的范围由这个field的Schama的类型决定，如下表所示。其中union fields的默认值对应于union中第一个Schema。Bytes和fixed的field的默认值都是JSON string，并且指向0-255的unicode都对应于无符号8位字节值0-255。
  field default values

  avro type	json type	example
  null	null	null
  boolean	boolean	true
  int, long	integer	1
  float, double	number	1.1
  bytes	string	“\u00ff”
  string	string	“foo”
  record	object	{“a”:1}
  enum	string	“FOO”
  array	array	[1]
  map	object	{“a”:1}
  fixed	string	“\u00ff”

  order: 可选属性，指定这个field如何影响record的排序。有效的可选值为“ascending”(默认),”descending”和”ignore”
  alias: JSON的string数组，为这个field提供别名。

  比如，一个64位值的链表定义为

  引用
  {
  “type”: “record”,
  “name”: “LongList”,
  “aliases”: [“LinkedLongs”], // old name for this
  “fields” : [
  {“name”: “value”, “type”: “long”}, // each element has a long
  {“name”: “next”, “type”: [“LongList”, “null”]} // optional next element
  ]
  }

Enums
Enums使用的名为“enum”的type并且支持如下的属性：

• name: 必有属性，是一个JSON string，提供了enum的名字。
• namespace，也是一个JSON string，用来限定和修饰name属性。
• aliases: 可选属性，是JSON的一个string数组，为这个enum提供别名。
• doc: 可选属性，是一个JSON string，为使用这个Schema的用户提供文档。
• symbols: 必有属性，是一个JSON string数组，列举了所有的symbol，在enum中的所有symbol都必须是唯一的，不允许重复。比如下面的例子：
• 引用
  { “type”: “enum”,
  “name”: “Suit”,
  “symbols” : [“SPADES”, “HEARTS”, “DIAMONDS”, “CLUBS”]
  }

Arrays
Array使用名为”array”的type，并且支持一个属性

• items: array中元素的Schema
• 比如一个string的数组声明为：
  引用
  {“type”: “array”, “items”: “string”}

Maps
Map使用名为”map”的type，并且支持一个属性

• values: 用来定义map的值的Schema。Maps的key都是string。比如一个key为string，value为long的maps定义为：
• 引用
  {“type”: “map”, “values”: “long”}

Unions
Unions就像上面提到的，使用JSON的数组表示。比如

声明了一个union的Schema，其元素即可以是string，也可以是null。
Unions不能包含多个相同类型的Schema，除非是命名的record类型、命名的fixed类型和命名的enum类型。比如，如果unions中包含两个array类型，或者包含两个map类型都不允许；但是两个具有不同name的相同类型却可以。由此可见，union是通过Schema的name来区分元素Schema的，因为array和map没有name属性，当然只能存在一个array或者map。（使用name作为解析的原因是这样做会使得读写unions更加高效）。unions不能紧接着包含其他的union。

Fixed
Fixed类型使用”fixed”的type name，并且支持三个属性：

• name: 必有属性，表示这个fixed的名称，JSON string。
• namespace同上
• aliases: 可选属性，同上
• size: 必选属性，一个整数，志明每个值的字节数。
• 比如16字节的fixed可以声明为：
  引用
  {“type”: “fixed”, “size”: 16, “name”: “md5”}

Names
Record, enums 和 fixed都是命名的类型，这三种类型都各有一个全名，全名有两部分组成：名称和命名空间。名称的相等是定义在全名基础上的。
全名的名字部分和record的field名字必须：

• 以[A-Za-z_]开头
• 接下来的名字中只能包含[A-Za-z0-9_]
• namespace是以点分隔的一系列名字。
  In record, enum and fixed definitions, the fullname is determined in one of the following ways:
  在record、enum和fixed的定义中，全名由以下的任意一条决定：
• 同时指定name和namespace，比如使用 “name”: “X”, “namespace”: “org.foo”来表示全名org.foo.X。
• 指定全名。如果name中包含点号，则认为是全名。比如用 “name”: “org.foo.X” 表示全名org.foo.X。
• 仅仅指定name，name中没有点号。在这种情况下命名空间取自距离最近的父亲的Schema或者protocol。比如声明了”name”: “X”， 这段声明在一条记录“org.foo.Y”的field中，那么X的全名就是org.foo.X。
• 原生类型没有命名空间，并且在不可以在命名空间中定义原生类型。如果多个全名定义相等的话，一个Schema可以包含多个全名定义。

研究了AVRO的规范，比较形象的图形表达了文件中内容布局，仅做参考。详细说明在图形下方。

使用AVRO标准系列化生成二进制的文件，该文件总体上由文件头(Header)和数据块(Data Block)及同步标识(Synchronization marker)三部分组成。

• 文件头为标识为Header的青色大框部分。
• 数据块为文件头下方紧邻的灰色的Data Block部分。
• 同步标识为数据块下方紧接着的橘色的Synchronization marker部分。

AVRO通过使用同步标识，将大块数据分割成小块，连续存储在同一个文件中，便于并发处理，即不同线程可以相互无影响的同时操作不同的数据块。因此，在上图最下方的数据块之后，根据情况，会有更多的同步标识和数据块。

AVRO的文件头由三部分组成，如上图所示。

• 文件头由四个字节’O’, ‘b’, ‘j’开始，后面紧接着1，一般称这四个字节为魔术字符(magic)
• 紧接着文件头的是AVRO的Meta Data
• 文件头的最后由同步标识结尾