Protobuf的简单介绍、使用和分析

 

Protobuf的简单介绍、使用和分析

 

一、protobuf是什么？

protobuf(Google Protocol Buffers)是Google提供一个具有高效的协议数据交换格式工具库(类似Json)，但相比于Json，Protobuf有更高的转化效率，时间效率和空间效率都是JSON的3-5倍。后面将会有简单的demo对于这两种格式的数据转化效率的对比。但这个库目前使用还不是太流行，据说谷歌内部很多产品都有使用。

二、protobuf有什么？

Protobuf 提供了C++、java、python语言的支持，提供了windows(proto.exe)和linux平台动态编译生成proto文件对应的源文件。proto文件定义了协议数据中的实体结构(message ,field)

关键字message: 代表了实体结构，由多个消息字段(field)组成。

消息字段(field): 包括数据类型、字段名、字段规则、字段唯一标识、默认值

数据类型：常见的原子类型都支持(在FieldDescriptor::kTypeToName中有定义)

字段规则：(在FieldDescriptor::kLabelToName中定义)

required：必须初始化字段，如果没有赋值，在数据序列化时会抛出异常

optional：可选字段，可以不必初始化。

repeated：数据可以重复(相当于java 中的Array或List)

字段唯一标识：序列化和反序列化将会使用到。

默认值：在定义消息字段时可以给出默认值。

三、protobuf有什么用？

Xml、Json是目前常用的数据交换格式，它们直接使用字段名称维护序列化后类实例中字段与数据之间的映射关系，一般用字符串的形式保存在序列化后的字节流中。消息和消息的定义相对独立，可读性较好。但序列化后的数据字节很大，序列化和反序列化的时间较长，数据传输效率不高。

Protobuf和Xml、Json序列化的方式不同，采用了二进制字节的序列化方式，用字段索引和字段类型通过算法计算得到字段之前的关系映射，从而达到更高的时间效率和空间效率，特别适合对数据大小和传输速率比较敏感的场合使用。

四、Protobuf在Android上的使用

1、创建proto文件,定义消息的实体结构

2、编译proto文件生成对应的java文件

3、添加protobuf-java-2.5.0.jar到android工程

4、在android中实现对消息结构的序列化/反序列化

五、Protobuf与json的对比

1、创建product.proto文件

定义了三个Message(ProductInfo、PhoneInfo、Watch)消息结构

2、消息结构对应的java类(ProductInfo、PhoneInfo、Watch)

 

3、消息结构和java对象赋值

PhoneName:” idol3”

Price:2000

Top:1

WatchName:” tcl watch”

Price:1000

Top:1

4、JSON字符串

{"phone":{"phoneName":"idol3","price":2000,"top":1},"watch":{"watchName":"tcl wtch","top":1,"price":1000}}

5、Protobuf转化后的二进制文件

空间效率

Json:107个字节

Protobuf:32个字节

时间效率

Json序列化: 1ms ,  反序列化:0ms

Protobuf 序列化: 0ms 反序列化:0ms

 

将public List<Phone> list和repeated PhoneInfo phoneInfoList =3;都赋值为1000个PhoneInfo

空间效率

Json:4206个字节

Protobuf:1332个字节

时间效率

Json序列化: 4ms ,  反序列化:1ms

Protobuf 序列化: 1ms 反序列化:0ms

六、protobuf的简单分析

1、优缺点

优点：通过以上的时间效率和空间效率，可以看出protobuf的空间效率是JSON的2-5倍，时间效率要高，对于数据大小敏感，传输效率高的模块可以采用protobuf库

缺点：消息结构可读性不高，序列化后的字节序列为二进制序列不能简单的分析有效性；目前使用不广泛，只支持java,C++和Python；

 

2、数据序列化/反序列化

a、规则：

protobuf把消息结果message也是通过 key-value对来表示。只是其中的key是采取一定的算法计算出来的即通过每个message中每个字段(field index)和字段的数据类型进行运算得来的key = (index<<3)|type;

type类型的对应关系如下：

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

Value会根据数据类型的不同会有两种表现形式：

对于各种int,bool,enum类型，value就是Varint

对于string,bytes,message等等类型，value就是length+原始内容编码

Varints是一种紧凑表示数字的方法。它用一个或者多个字节表示一个数字，值越小的数字字节数越少。相对于传统的用4字节表示int32类型数字，Varints对于小于128的数值都可以用一个字节表示，大于128的数值会用更多的字节来表示，对于很大的数据则需要用5个字节来表示。

Varints算法描述： 每一个字节的最高位都是有特殊含义的，如果是1，则表示后续的字节也是该数字的一部分；如果是0，则结束

b、demo生成的的二进制文件反序列化。

第1个字节 (0A)

字段索引(index)：         0A = 0001010  0A>>3 = 001 = 1

数据类型(type)：           0A = 0001010&111  = 2 (String);

第2个字节 (0C)

字符串长度(length):      0E = 12;

字符串:                         0A 05 69 64 6F 6C 33 10 01 18 BD 0F

第3个字节 (0A)

因为字符串是来自phoneInfo属于嵌套类型

字段索引(index)：         0A = 0001010  0A>>3 = 001 = 1

数据类型(type)：           0A = 0001010&111  = 2 (String);

第4-9个字节(69 64 6F 6C 33)

字符串长度(length)：    05 = 5

字符串：                       69 64 6F 6C 33 = idol3

第10个字节 (10)

字段索引(index)：         10 = 00010000    10A>>3 = 0010 = 2

数据类型(type)：           10 = 00010000&111  = 0 (Varints);

第11个字节  (01)

Varints:                          01 = 00001字节的最高位为0 整数结束

Value:                            1;

第12个字节(18)

字段索引(index)：           18 = 00011000    18>> 00011 = 3

数据类型(type)：           18 = 00011000&111  = 0 (Varints);

第13个字节(D0)

最高位为1，整数计算到下一个字节

第14个字节(0F)

最高位为0，整数计算结束

Value：为11111010000 =2000

 

C、反序列化结果

phoneinfo为：

phoneName = “idol3”

top = 1

price = 2000;

同样的方法watchInfo为：

watchName = “tcl name”

top = 1

price=2000

3、时间效率

通过protobuf序列化/反序列化的过程可以得出：protobuf是通过算法生成二进制流，序列化与反序列化不需要解析相应的节点属性和多余的描述信息，所以序列化和反序列化时间效率较高。

4、空间效率

xml、json是用字段名称来确定类实例中字段之间的独立性，所以序列化后的数据多了很多描述信息，增加了序列化后的字节序列的容量。

Protobuf的序列化/反序列化过程可以得出：

protobuf是由字段索引(fieldIndex)与数据类型(type)计算(fieldIndex<<3|type)得出的key维护字段之间的映射且只占一个字节，所以相比json与xml文件，protobuf的序列化字节没有过多的key与描述符信息，所以占用空间要小很多。

七、Protobuf的源码分析

1、protobuf在java使用的序列化流程

java程序调用parserFrom(byte[] data)开始字节序列的反序列，Java程序通过调用编译生类GenerateMessage中的wirteTo()方法开始将序列化后的字节写入输出流中

 

GenerateMessage 继承AbstractMessage类，序列化最终在AbstractMesssage中完成，序列化的实现过程：

a、遍历对象中Message结构()

调用AbstractMessage类中的writeTo()方法

 

b、 序列化Message中每一个字段

调用CodeOutputStream类中的writeMessageSetExtension()方法

 

c、 对于Varints  Tag 的序列化流程：

调用CodeOutputStream类中的writeUInt32()方法

调用CodeOutputStream类中的WriteRawVarint32()方法

 

d、 对于非Varints Tag的序列化

调用CodeOutputStream类中的WriteTag()方法

 

具体的序列化实现都在CodedOutputStream中完成

2、java使用protobuf 的反序列化流程分析

java程序通过调用parserFrom(byte[] data)开始反序列化

 

具体在com.google.protobuf. AbstractParser类中实现

最后在com.google.protobuf.CodedInputStream类中完成反序列化

3、动态编译

以windows下用protoc.exe工具实现proto文件编译为例，protoc.exe是用C++实现。在控制台执行命令:

编译的流程:

检查proto的语法规则

将proto的文件中的message结构转换为GenerateMessage类的子类，并实现Builder接口。

编译流程

Main.cc中的main()方法

Command_line_interface.cc中的Run()方法

Import类中Import()

在Descriptor中完成message消息的收集和转化。