聊聊Protocol Buffers
版权声明 本站原创文章 由 萌叔 发表
转载请注明 萌叔 | https://vearne.cc
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-bit32-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
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
请我喝瓶饮料
