聊一聊序列化-Protobuf

Posted 一只懒懒的coder

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了聊一聊序列化-Protobuf相关的知识,希望对你有一定的参考价值。

认识Protobuf

Protocol buffers are a flexible, efficient, automated mechanism for serializing structured data – think XML, but smaller, faster, and simpler.

Protobuf是Google推出的一种轻量&高效的结构化数据存储格式,是一款跨平台、跨语言、可扩展的序列化结构数据的方法;可用作通信协议、数据存储,etc...

特性

【优点】

  • 使用简单

  • 跨平台、跨语言、可扩展性

  • 维护成本低

  • 向后兼容性好

  • 加密性好:二进制不可读

  • 性能好

    • 体积比XML小3倍

    • 序列化速度比XML快20倍

    • 传输速度快

【缺点】

  • 自解释性差:二进制不可读

  • 需预定义结构

适用场景

  • 传输数据量大

  • 网络环境不稳定

看个例子

message Person {
/** required and optional
* 1.required:必填
* 2.optional:可选
*/

// field_type field_name = field_number
required string name = 1;
required int32 id = 2;
}

【测试代码】

@Test
public void testProtoBuf() {
// encode bytes
byte[] bytes = Person.newBuilder().setName("java").setId(1).build().toByteArray();
System.out.println(Arrays.toString(bytes));

// decode bytes
for (byte b : bytes) {
System.out.println(getBinString(b));
}
}

private String getBinString(byte b) {
return String.format("%8s", Integer.toBinaryString(b)).replace(' ', '0');
}

【生成的字节数组及二进制】

// 字节数组
[10, 4, 106, 97, 118, 97, 16, 1]
// 二进制
00001010
00000100
01101010
01100001
01110110
01100001
00010000
00000001

下面我们通过上述二进制的输出了解下protobuf是怎么进行序列化的

序列化

protobuf序列化采用的Tag-Length-Value结构的存储方式

  • Tag:通过一个字节(8位)来存储field_number(前5位)和field_type(后3位)

  • Length:可选值,存储Value的长度,Length-delimited需要存储Length

  • Value:对应字段值的二进制表示

重点介绍一下Tag里面field_type表示,其决定了value是怎么表示;
【Wire Type表】


通过Wire Type再来看上文的二进制表示

# set name = "java"
# Tag:field_number=1,field_type=2
00001010
# Length:4
00000100
# Value:"java"
01101010
01100001
01110110
01100001

# set id = 1
# Tag:field_number=2,field_type=0
00010000
# Value:1
00000001

Varint

Varint是一种特殊的整型,可变长的数字;其类型主要包含以下几个



它用一个或多个字节来表示一个数字,值越小的数字使用越少的字节数。这能减少用来表示数字的字节数。

如:
1. 对于 int32 类型的数字,一般需要 4个字节 表示; 若采用 Varint编码,对于很小的 int32 类型 数字,则可以用 1个字节 来表示
2.虽然大的数字会需要 5 个 字节 来表示,但大多数情况下,消息都不会有很大的数字,所以采用 Varint方法总是可以用更少的字节数来表示数字

我们看一下写int32的源码

private void writeVarint32(int n) {                   
int idx = 0;
while (true) {
// 如果只有一个字节,直接中断
if ((n & ~0x7F) == 0) {
i32buf[idx++] = (byte)n;
break;
} else {
// 取出字节串末7位,在最高位添加1构成一个字节
i32buf[idx++] = (byte)((n & 0x7F) | 0x80);
// 无符号右移7位
n >>>= 7;
}
}
trans_.write(i32buf, 0, idx);
}

从以上源码我们能得出

  1. 如果最高位为1,表示后续的 字节 也是该数字的一部分

  2. 如果是 0,表示这是最后一个字节,且剩余 7位 都用来表示数字

因此:

  • 小于 128 的数字 都可以用 1个字节 表示;

  • 大于 128 的数字,比如 300,会用两个字节来表示:10101100 00000010

【负数的特殊处理】
我们知道,在二进制表示中,如果最高位为1,则代表该数为负数;当然Protobuf也很好的解决了这个问题,

`Protobuf`定义了 `sint32 / sint64` 类型表示负数,通过先采用 `Zigzag` 编码(将`有符号数`转换成`无符号数`),再采用 Varint编码,从而用于减少编码后的字节数 

【Zigzag】
Zigzag是一种变长的编码方式,使得绝对值小的数字都可以采用较少字节来表示;其编码解码过程为

  • 编码过程,代码为(n <<1) ^ (n >>31)

    • 将n左移1位

    • 将n右移31位

    • 前两个结果异或操作

  • 解码过程,代码为(n >>> 1) ^ -(n & 1)

    • 无符号右移1位

    • 对(n & 1) 取反

    • 两者异或

FYI

  • Protocol Buffer 序列化原理大揭秘 - 为什么Protocol Buffer性能这么好?

  • Google Protocol Buffers 序列化算法分析

  • Protocol Buffers




以上是关于聊一聊序列化-Protobuf的主要内容,如果未能解决你的问题,请参考以下文章

# 聊一聊悟空编辑器 #

#聊一聊悟空编辑器# WuKong,让我们编辑文章更便捷!

去了字节跳动,回来聊一聊字节跳动的面试...

聊一聊Javasript继承

Go是如何实现protobuf的编解码的: 原理

#聊一聊悟空编辑器# 2022新年的悟空编辑器