详解PROTOCOL BUFFERS

1. 前言

Protocal Buffers是google推出的一种序列化协议。由于它的编码和解码的速度，已经编码后的大小控制的较好，因此它常常被用在RPC调用中，传递参数和结果。比如gRPC。

Protocal Buffers的实现非常简单，本文将对比JSON协议，来聊聊Protocol Buffers的实现以及它高性能的秘密

2. 正篇

2.1 减少传输量（字段名和定界符）

汽车类在Golang中的定义

type Car struct {
    Age   int32   `json:"age"`
    Color string  `json:"color"`
    Price float32 `json:"price"`
}

JSON字符串表示

{
    "age": 10,
    "color": "red",
    "price": 15.2568983
}

1）”{” 、”}”、”[“, “]”、双引号、”,” 、”:” 是为了把字段与字段之间，以及字段的名称和值分隔开。它们不是必须的。
2）字段的名称”age”、”color”、”price”也不是必须的。
如果发送方和接收方都对对象的定义是明晰的，那么字段的名称也不要传递

Protocol Buffers对象定义

message Car {
    int32 age = 1;
    string color = 2;
    double price = 3;
}

每个字段都有一个编号，比如在例子中，age是1，color是2，price是3
接收方只要拿到编号，就可以知道需要解析的是哪个字段，它对应的名字甚至是字段值的长度

下图是对Protocol buffers编码的说明图1

Protocol buffers有点TLV的意思(type-length-value)

FieldInfo 包含了存储field_number(字段编号), data_type表示字段类型

Type	Meaning	Used For
0	Varint	int32, int64, uint32, uint64, sint32, sint64, bool, enum
1	64-bit	fixed64, sfixed64, double
2	Length-delimited	string, bytes, embedded messages, packed repeated fields
3	Start group	groups (deprecated)
4	End group	groups (deprecated)
5	32-bit	fixed32, sfixed32, float

对于 64-bit 32-bit得到类data_type，也就得到了长度
对于 Varint 可以在解析的过程得到value
对于类似Length-delimited 稍微有点特殊，有额外的字段length表示value字节的长度

注 Varint是对整型的变长表示，它与ES中使用的整型压缩算法是完全一致的。参见我的文章VINT–针对INT型的压缩格式
由于Protocol Buffers 有type和length信息的存在，因此无需字段名称和JSON中的”{“等定界符

2.2 减少传输量（整型和浮点数）

由于JSON属于文本型协议，因此它传输的数据都是字符

对于较大的整数，var int32 age = 123456789 传输时会变成”123456789″ 需要消耗9个字节
对于浮点数，如果出现小数部分 var float32 price = 15.2568983
传输时，会变成”15.2568983″

在Protocol Buffers中，int32按Varint存储，平均开销不到3个字节，而float32按照固定4字节存储，这样一来就比JSON少了不少

2.3字段可选

Protocol Buffers中允许指定某个字段是optional(可选的)。如果该字段没有值，则编码时，这个字段不会占用任何字节。

在一些语言的JSON库包中，如果解码时，该字段在JSON字符串中不存在，则会直接报错。

2.4 解码时的优势

2.4.1 跳过数据结构

JSON 是一个没有 header 的格式。因为没有 header，JSON 需要扫描每个字节才可以定位到所需的字段上。中间可能要扫过很多不需要处理的字段。

message PbTestWriteObject {
  repeated string field1 = 1;
  message Field2 {
    repeated string field1 = 1;
    repeated string field2 = 2;
    repeated string field3 = 3;
  }
  Field2 field2 = 2;
  string field3 = 3;
}
message PbTestReadObject {
  string field3 = 3;
}

消息用 PbTestWriteObject 来编码，然后用 PbTestReadObject 来解码。field1 和 field2 的内容应该被跳过。

这是一个非常极端的例子，回顾图1中的示例，在Protocol Buffers中除了Varint类型，其余类型，都能直接得到长度信息，因此可以直接跳过不需要解析的字节，效率大大提高

2.4.2 字符串的处理

对于string类型的数据，JSON一般而言还需要支持unicode和UTF8 2种编码
对于Golang，string本身就是UTF8编码的字节，因此在解码时，直接做memcopy就行

3. 总结

编解码数字的时候，JSON 仍然是非常慢的。Jsoniter 把这个差距从 10 倍缩小到了 3 倍多一些。

JSON 最差的情况是下面几种：

跳过非常长的字符串：和字符串长度线性相关。
解码 double 字段：Protobuf 优势明显，是 Jsoniter的 3.27 倍，是 Jackson 的 13.75 倍。
编码 double 字段：如果不能接受只保留 6 位小数，Protobuf 是 Jackson 的 12.71 倍。如果接受精度损失，Protobuf 是 Jsoniter的 1.96 倍。
解码整数：Protobuf 是 Jsoniter的 2.64 倍，是 Jackson 的 8.51 倍。

如果你的生产环境中的 JSON 没有那么多的 double 字段，都是字符串占大头，那么基本上来说替换成 Protobuf 也就是仅仅比 Jsoniter 提高一点点，肯定在 2 倍之内。如果不幸的话，没准 Protobuf 还要更慢一点。

在Protocol Buffers在极端场景下对JSON的速度优势，可以达到5倍左右，但是它本身与Gzip等比较，不算是一种压缩算法。它可以被表述为更为紧凑的序列化协议。对于针对它序列化的结果，再使用其它压缩算法进行一步压缩。

4. 代码参考

对于不同类型字段的序列化(编码)主要在
table_marshal.go 中的typeMarshaler函数

针对 `32-bit` 的编码

func appendFixedS32Ptr(b []byte, ptr pointer, wiretag uint64, _ bool) ([]byte, error) {
    p := ptr.getInt32Ptr()
    if p == nil {
        return b, nil
    }
    b = appendVarint(b, wiretag)
    b = appendFixed32(b, uint32(*p))
    return b, nil
}

针对 string 的编码

func appendStringValue(b []byte, ptr pointer, wiretag uint64, _ bool) ([]byte, error) {
    v := *ptr.toString()
    b = appendVarint(b, wiretag) //
    b = appendVarint(b, uint64(len(v)))
    b = append(b, v...)
    return b, nil
}

参考资料