本文是对官方文档的翻译,而后截取了一篇很是优秀的文章片断来帮助理解,本人英文水平有限,基本都是直译,若是有不理解的地方请参考英文官方文档,参考的文章连接在文章末尾
protocol buffer是google的一个开源项目,它是用于结构化数据串行化的灵活、高效、自动的方法,例如XML,不过它比xml更小、更快、也更简单。你能够定义本身的数据结构,而后使用代码生成器生成的代码来读写这个数据结构。你甚至能够在无需从新部署程序的状况下更新数据结构linux
在.proto
文件定义消息,message是.proto
文件最小的逻辑单元,由一系列name-value键值对构成。下面的.proto
文件定义了一个"人"的消息:ios
message Person { required string name = 1; required int32 id = 2; optional string email = 3; enum PhoneType { MOBILE = 0; HOME = 1; WORK = 2; } message PhoneNumber { required string number = 1; optional PhoneType type = 2 [default = HOME]; } repeated PhoneNumber phone = 4; }
message消息包含一个或多个编号惟一的字段,每一个字段由字段限制,字段类型,字段名和编号四部分组成,字段限制分为:optional(可选的)、required(必须的)以及repeated(重复的)。定义好消息后,使用ProtoBuf编译器生成C++对应的.h
和.cc
文件,源文件提供了message消息的序列化和反序列化等方法:数据库
# 序列化数据 Person person; person.set_name("John Doe"); person.set_id(1234); person.set_email("jdoe@example.com"); fstream output("myfile", ios::out | ios::binary); person.SerializeToOstream(&output); # 反序列化数据 fstream input("myfile", ios::in | ios::binary); Person person; person.ParseFromIstream(&input);cout << "Name: " << person.name() << endl;cout << "E-mail: " << person.email() << endl;
同XML相比,Protobuf的优点在于高性能,它以高效的二进制存储方式比XML小3到10倍,快20到100倍,缘由在于:数据结构
Varint 是一种紧凑的表示数字的方法。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。这能减小用来表示数字的字节数。框架
好比对于int32类型的数字,通常须要4个byte来表示,可是采用Varint对于很小的int32类型的数字,则能够用1个byte来表示。固然凡事都有好的也有很差的一面,采用Varint表示法,大的数字则须要5个byte来表示。从统计的角度来讲,通常不会全部的消息中的数字都是大数,所以大多数状况下,采用Varint后能够用更少的字节数来表示数字信息。性能
Varint中的每一个byte的最高位bit有特殊的含义,若是该位为1,表示后续的byte也是该数字的一部分,若是该位为0则结束,其余的7个bit都用来表示数字。所以小于128的数字均可以用一个byte表示,大于128的数字会用两个字节来表示。ui
好比数值300
用Varint来表示就是:1010 1100 0000 0010。下图演示了Google Protocol Buffer解析Varint表示的300
的过程,因为Google Protocol Buffer采用小端字节序,因此实际存储的字节顺序是反过来的:google
消息通过序列化后会成为一个二进制数据流,该流中的数据为一系列的Key-Value对。以下图所示:编码
采用这种Key-Pair结构无需使用分隔符来分割不一样的 Field。对于可选的Field,若是消息中不存在该Field,那么在最终的Message Buffer中就没有该Field,这些特性都有助于节约消息自己的大小。Key 用来标识具体的Field,在解包的时候ProtoBuf根据Key就能够知道相应的Value应该对应于消息中的哪个Field。Key由字段的编号和字段的线性传输类型构成(field_number << 3) | wire_type
翻译
wire_type | Meaning | Used For |
---|---|---|
0 | Varint | int32, int64, uint32, uint64, sint32, sint64, bool, enum |
1 | 64-bit | fixed64, sfixed64, double |
2 | Length-delimi | string, bytes, embedded messages, packed repeated fields |
3 | Start group | Groups (deprecated) |
4 | End group | Groups (deprecated) |
5 | 32-bit | fixed32, sfixed32, float |
使用zigzag编码,绝对值小的数字,不管正负均可以采用较少的byte来表示,充分利用了Varint这种技术。
消息定义以下:
package lm; message helloworld { required int32 id = 1; // ID required string str = 2; // str optional int32 opt = 3; //optional field }
假设有一条helloworld
消息id=101 str="hello"
,那么用Protobuf序列化后的字节序列为:
08 65 12 06 48 65 6C 6C 6F 77
而若是用XML,则相似这样:
31 30 31 3C 2F 69 64 3E 3C 6E 61 6D 65 3E 68 65 6C 6C 6F 3C 2F 6E 61 6D 65 3E 3C 2F 68 65 6C 6C 6F 77 6F 72 6C 64 3E 一共 55 个字节,这些奇怪的数字须要稍微解释一下,其含义用 ASCII 表示以下: <helloworld> <id>101</id> <name>hello</name> </helloworld></pre>
首先咱们来了解一下XML的封解包过程。XML须要从文件中读取出字符串,再转换为XML文档对象结构模型。以后再从XML文档对象结构模型中读取指定节点的字符串,最后再将这个字符串转换成指定类型的变量,这个过程很是复杂。其中将XML文件转换为文档对象结构模型的过程一般须要完成词法文法分析等大量消耗 CPU 的复杂计算。
反观Protobuf,它只须要简单地将一个二进制序列按照指定的格式读取到C++对应的结构类型中就能够了。从上一节的描述能够看到,消息的解码过程也能够经过几个位移操做组成的表达式计算便可完成,速度很是快。
上面例子中,Protobuf解包helloworld消息的过程能够用下图表示:
整个解析过程须要Protobuf自己的框架代码和由Protobuf编译器生成的代码共同完成。其中Message以及Message_lite做为通用的流程框架,CodedInputStream、WireFormatLite提供了对二进制数据的解码功能,并且Protobuf的解码能够经过几个简单的数学运算完成,无需复杂的词法语法分析,所以图中ReadTag()等方法都很是快。相对于XML的解析,整个调用路径上的其余类和方法都很是简单,这也就是ProtoBuf封解包速度迅速的缘由。