高效的ProtoBuf

一、背景

Google ProtoBuf介绍 这篇文章我们讲了怎么使用ProtoBuf进行序列化，但ProtoBuf怎么做到最高效的，它的数据又是如何压缩的，下面先看一个例子，然后再讲ProtoBuf压缩机制。

二、案例

网上有各种序列化方式性能对比，我们这里仅对比一下JSON序列化和ProtoBuf序列化。

原始数据如下

{
"id":1,
"name":"qingcai18036",
"email":"[e-mail]"
}

序列化后十六进值如下

可以看出使用ProtoBuf序列化后的十六进值长度要小很多。

三、基础概念

1、大小端模式

大端模式：数据的高字节保存在内存低地址中，数据的低字节保存在内存高地址中。

小端模式：数据的高字节保存在内存高地址中，数据的低字节保存在内存的低地址中。

这里记住小端模式的存储是 高高低低，小端模式也是ProtoBuf协议中使用的模式。

十六进制数据  0x12345678,大小端模式在内存的存放如下

2、ZigZag编码

ZigZag是一种对负数友好的压缩算法，可以压缩掉多余为0的比特位。

正数：byte a = 11;   存储用原码表示二进制值：0000 1011

ZigZag对正数进行编码

        整体数据左移1位：    0001 0110

        符号位移到最低位  ：0001 0110

负数：byte a =-11;    存储用补码表示二进值 ：11110101

          原码：10001011->  反码：11110100->   补码：11110101

ZigZag对负数进行编码

       （1）、左移1位：11101010

       （2）、符号位移到最低位：11101011

       （3）、除最后一位外全部取反：00010101

ZigZag 对负数-11增加了前导三个0，可以压缩掉

3、 Varint编码

Varint是一种使用一个或多个字节序列化整数的办法，对于32位的整数用Varint编码后为1~5个字节，小的数字使用1个byte，大的数字使用5个byte。但实际场景中小数字使用率大于大数字，这样就达到压缩效果，而Java序列化Int需要用4个byte。

Varint每个字节中每一比特位定义

第8位（最高位）：1：表示后续的字节也是该数字的一部分 0：表示该数字结束。

第1~7位：表示具体数字值

Varint编码例子

小于128的数字用一个字节就可以表示，大于128的数比如1234，需要用到2个字节表示。

1234  二进制值  10011010010

在Java中Int类型占用4个字节，如果直接使用Java序列化存储如下

00000000 00000000  00000100 11010010

前面有21个0造成空间的浪费，可以对空位（0）进行压缩，节省空间。

Varint编码：从右往左每隔7位取一片段并补上标识位，再将若干片段从左往右排序。

（1）、从右往左取7位  1010010，并补上标记位（1表示后续还有数据）  11010010

（2）、再续继取7位     000100 1，并补上标记位（0表示后续没有数据）00001001

（3）、再往左已经全部是0了，就不管了。

（4）、然后将上面形成的两个片段从左往右排列（小端模式）   11010010 00001001

最终整数1234做Varint编码后二进制为  11010010 00001001

四、ProtoBuf协议

1、ProtoBuf序列结构

2、Key定义： (field_number << 3) | wire_type

                        field_number 是 定义在proto文件中字段的序号

3、wire_type

• Type=1 ：如果是 int32采用Varints编码编码，如果是sint32采用ZigZag编码（因为要对负数进行有效压缩）。

• Type=1：分配64位大小空间，采用小端模式

• Type=5：分配32位大小空间，采用小端模式

• Type=2：string是一个指定长度的编码，key+length+content，key编码采用统一的方式，length（内容长度）采用varints编码，content就是由length指定长度的byte。所以其对字符串本身的内容并不压缩？

五、总结

ProtoBuf采用了Varint、ZigZa压缩算法，二制制的数据就非常紧凑，并且比JSON少了{}符号、字段名、所以用ProtoBuf序列化后整体体积会更小，这样网络传输更快，更高效。