Protocal Buffers(简称protobuf)是Google的一项技术，用于结构化的数据序列化、反序列化。

Protobuf的使用比较广泛，常用于RPC 系统（Remote Procedure Call Protocol System）和持续数据存储系统。其主要优点是空间开销小和性能比较好，类似于XML生成和解析，但protobuf的效率高于XML，不过protobuf生成的是字节码，可读性比XML差。

一.protobuf的基本应用

使用protobuf开发的基本步骤为:

1.配置开发环境安装protocol 代码编译器

2.编写对应的.proto文件，定义序列化对象结构

3.使用编译器生成对应的序列化工具类

4.编写自己的应用

使用github上的protoc-3.5.1-win32.zip https://github.com/google/protobuf/releases

每个Protobuf 的字段都有一定的格式:

1.限定修饰符: required/optional/repeated

Required：表示是一个必须字段，缺失该字段会引发编解码异常,导致消息被丢弃。

Optional：表示是一个可选字段。

Repeated：表示该字段可重复,每次可以包含0~N个值,表示集合

2．数据类型

protobuf定义了一些基本的数据类型

string/bytes/bool/int32/int64/float/double

enum 枚举类 message 自定义类

3．字段名称

字段名称的命名方式与C、Java等语言的变量命名方式几乎是相同的。

protobuf建议字段的命名采用以下划线分割的驼峰式。例如建议使用first_name 而不是firstName.

4．字段编码值

编码值的取值范围为 1~2^32（4294967296）。

相同的编码值，其限定修饰符和数据类型必须相同。

消息中的字段的编码值无需连续，只要是合法的，并且不能在同一个消息中有字段包含相同的编码值。不过通常习惯使用连续的字段编码值,比较易于理解

⑤．默认值。

在发送数据时，对于required数据类型，如果用户没有设置值，则使用默认值传递。当接受数据时，对于optional字段，如果没有接收到对应值，则设置为默认值

以下是一个简单的User对象的proto文件

syntax="proto2";option java_package = "com.chenpp.serializer.protobuf";
option java_outer_classname="UserProto";
message User {//1,2表示当前序列化后的字段顺序required int32 age  = 2; //年龄required string name = 1;//姓名}

使用proto自己的编译器进行编译，生成实体类

protoc.exe --java_out=./java ./user.proto

–java_out 后面是生成java文件存放地址
最后的参数是proto文件的名称，可以写绝对地址，也可以直接写proto文件名称

引入protobuf对应的dependency,打印对应的序列化结果:

 <dependency><groupId>com.google.protobuf</groupId><artifactId>protobuf-java</artifactId><version>3.5.0</version></dependency>

public class ProtoSerializer implements ISerializer {public <T> byte[] serialize(T obj) {UserProto.User user = UserProto.User.newBuilder().setAge(21).setName("chenpp").build();return user.toByteArray();}public <T> T deserialize(byte[] data, Class<T> clazz) {try {UserProto.User user = UserProto.User.parseFrom(data);return (T) user;} catch (InvalidProtocolBufferException e) {e.printStackTrace();}return null;}
}==================protobuf========================
protobuf {age:21}序列化后的byte[]的length: 10
10  6  99  104  101  110  112  112  16  21
name: "chenpp"
age: 21

二.protobuf序列化的原理

之前那篇文章，讲过Json里的序列化结果为: { "name":"chenpp","age":21} -- 一共26个字节,而想要将其进行进一步压缩,就需要去掉一些冗余的字节

思路:1)能不能去掉定义属性(约定1=name,2=age) 约定了字段,约定了类型去除分隔符(引号，冒号，逗号之类的)

2)压缩数字,因为日常经常使用到的都是一些比较小的数字，一共int占4个字节，但实际有效的字节数没有那么多

把英文转化成数字(ASCII)，并对数字进行压缩

protobuf里使用到了两种压缩算法：varint和zigzag算法

varint算法

这是针对无符号整数,一种压缩方式

压缩方法:

1.对一个无符号整数，将其换算成二进制

2.从右往左取7位,然后在最高位补1

3.一直继续，直到取到最后一个有意义的字节(在最后一个有意义的字节上最高位补0)

4.先取到的字节排在后取到的字节前面，得到一个新的字节，转换成十进制就是压缩的结果

以:500为例:其实有意义的就是2个字节

0000 0001 1111 0100= 2^2+2^4+2^5+2^6+2^7+2^8 = 4+16+32+64+128+256 = 500

按照其压缩方式得到的新的二进制字节为:

1111 0100 | 0000 0011

1111 0100 代表的是负数,使用补码(正数取反+1),并且最高位符号位为1

转化后: 先 -1为 1111 0011 取反 0000 1100 = 12

计算出来就是 -12 3

字符如何转化成数字编码

对于英文字母，这里的name字段，使用ASCII码对照表查找对应的数字

chenpp: 对应的ASCII码

c-99 h-104 e-101 n-110 p-112

按照varint的算法取7位补最高位为1(最后一个字节最高位补0)

对于小于127(2^7-1=127)的数字,其有效字节只有1位，压缩的时候最高位补0，故压缩之前和压缩之后的数字没有变化

protobuf的存储格式

protobuf采用T-L-V的格式进行存储

[Tag | length | value ]

l其中length为可选, 但是string必须有length(这样在反序列化的时候程序才知道该字符串从哪里开始到哪里结束), 而int是不需要length的

Tag:字段标识符,用于标识字段其值等于

field_number(当前字段的编号，第几个字段)<<3|wire_type(int64/int32/可变长度string)

Length:Value的字节长度 (string需要有,int不需要)

Value:消息字段经过编码后的值

Age:int32 2<<3|0 = 16

Name: string 1<<3|2 = 10

在反序列化的时候根据tag mod 8 的余数判断对应的wireType,从而知道该字段对应的存储方式和编码方式

对应User(name="chenpp",age=21)按照varint进行压缩后其序列化结果为:

c-99 h-104 e-101 n-110 p-112

String:tag-length-value

Int32:tag-value

10 6 99 104 101 110 112 112 16 21

Tag – length - c - h – e - n - p - p - Tag - Value

根据上述压缩算法可知:对于int32/int64,value有且只有最后一个字节为正数,故当遇到第一个为正数的字节时就知道其value值已经获取完毕,所以对于int32类型的字段，不需要length,只需要tag和value就足够了

ZigZag算法

在计算机中,负数会被表示为很大的整数，因为负数的符号位在最高位,如果使用varint算法进行压缩的话会需要 32/7 ~ 5个字节,反

而加大了空间的开销.故在protobuf中对于有符号整数会使用sint32/sint64来表示。protobuf中负数的压缩方式是先使用ZigZag算把有符号数(无论数值是正数还是负数,都会进行一次压缩计算)转化为无符号数，再使用varint进行压缩

ZigZag算法的思路:

负数之所以不好压缩:一个原因是因为其最高位为1,另一个原因是对于绝对值比较小的负数，其正数会有很多的前导零，那么在使用补码表示负数的时候(取反+1),会导致负数会有很多的前导1，使得无法压缩

所以ZigZag采用的办法就是:先将符号位从最高位移动到最低位，其余数字均往前移动1位;然后再对所有的数字(符号位除外)进行取反,这样得到的计算结果就是一个可以压缩的数字（符号位不占据最高位,而小绝对值的数值由于取反操作其前导1都变为了前导0)

比方说-300:

其对应的正数的原码为: 0000 0000 0000 0000 0000 0001 0010 1100

取反: 1111 1111 1111 1111 1111 1110 1101 0011

再+1: 1111 1111 1111 1111 1111 1110 1101 0100 （-300）

移动符号位之后: 1111 1111 1111 1111 1111 1101 1010 1001

取反:0000 0000 0000 0000 0000 0010 0101 0111

计算后为0010 0101 0111 = 599

在ZigZag算法里也是使用这种思路对有符号整数进行压缩的，将其转化成表达式就是

Sint32: (n<<1)^ (n>>31)

Sint64: (n<<1)^(n>>63)

当n为正数时,n>>31为0000 0000 0000 0000 0000 0000 0000 0000；当n为负数时,n>>31为1111 1111 1111 1111 1111 1111 1111 1111

(n>>31)与(n<<1)进行异或之后，如果n为正数,(n>>31)^(n<<1) =n<<1;如果n为负数,其计算结果和上述所说的最高位移动到最后,然后取反效果是一样的(n<<1补的最低位为0和n>>31异或运算之后一定为1,而其他位上与1做异或运算相当于取反)，这样一来就可以使用varint进行压缩计算了

对-300的ZigZag计算结果:599 使用varint算法进行压缩

得到1101 0111 0000 0100

其结果为：-41 4

到此,protobuf的压缩原理就介绍完了

ProtoBuf的使用以及原理分析相关推荐

java signature 性能_Java常见bean mapper的性能及原理分析
背景在分层的代码架构中,层与层之间的对象避免不了要做很多转换.赋值等操作,这些操作重复且繁琐,于是乎催生出很多工具来优雅,高效地完成这个操作,有BeanUtils.BeanCopier.Dozer. ...
Select函数实现原理分析
转载自 http://blog.chinaunix.net/uid-20643761-id-1594860.html select需要驱动程序的支持,驱动程序实现fops内的poll函数.select ...
spring ioc原理分析
spring ioc原理分析 spring ioc 的概念简单工厂方法 spirng ioc实现原理 spring ioc的概念 ioc: 控制反转将对象的创建由spring管理.比如,我们以前用 ...
一次 SQL 查询优化原理分析（900W+ 数据，从 17s 到 300ms）
点击上方"方志朋",选择"设为星标" 回复"666"获取新整理的面试文章来源:Muscleape jianshu.com/p/0768eb ...
原理分析_变色近视眼镜原理分析
随着眼镜的发展,眼镜的外型变得越来越好看,并且眼镜的颜色也变得多姿多彩,让佩戴眼镜的你变得越来越时尚.变色近视眼镜就是由此产生的新型眼镜.变色镜可以随着阳光的强弱变换不同的色彩. 变色眼镜的原理分析 ...
jieba分词_从语言模型原理分析如何jieba更细粒度的分词
jieba分词是作中文分词常用的一种工具,之前也记录过源码及原理学习.但有的时候发现分词的结果并不是自己最想要的.比如分词"重庆邮电大学",使用精确模式+HMM分词结果是[&quo ...
EJB调用原理分析 (飞茂EJB)
EJB调用原理分析 EJB调用原理分析作者:robbin (MSN:robbin_fan AT hotmail DOT com) 版权声明:本文严禁转载,如有转载请求,请和作者联系一个远程对象至少 ...
深入掌握Java技术 EJB调用原理分析
深入掌握Java技术 EJB调用原理分析一个远程对象至少要包括4个class文件:远程对象:远程对象的接口:实现远程接口的对象的stub:对象的skeleton这4个class文件. 在 ...
神经网络(NN)+反向传播算法（Backpropagation/BP）+交叉熵+softmax原理分析
神经网络如何利用反向传播算法进行参数更新,加入交叉熵和softmax又会如何变化? 其中的数学原理分析:请点击这里. 转载于:https://www.cnblogs.com/code-wangjun/ ...

ProtoBuf的使用以及原理分析