Protocol Buffer 原理 学习笔记

一、Protocol buffer 简介

Protocol Buffer（简称PB）是google开源的序列化与反序列化的应用层协议。

1）序列化：把文本转成二进制串
2）反序列化：将二进制串恢复成文本

二、PB的优缺点

2.1、优点

1、体积小

序列化后可缩小3倍左右，节省带宽，传输速度快

2、序列化速度快

比Json或xml快20~100倍

3、跨语言

PB兼容多种开发语言

2.2、缺点

1、可读性差

三、应用场景

PB主要用于传输量大、网络环境不太稳定的数据传输场景，如IM即时通讯场景。

PB比Json, xml更小、更快。

四、PB原理

4.1、网络通信协议

序列化&反序列化属于通信协议的一部分，通信协议分TCP/IP（四层）模型和OSI（七层）模型。

PB属于应用层。

4.2、T-L-V数据存储方式

TLV 即 Tag - Length - Value，标识 - 长度 - 字段值 存储方式。

TLV存到方式的优点：
1）不需要分隔符就能分割开字段，避免分隔符占用空间
2）各字段存储紧密，存储空间利用率高
3）若字段的value还没被设置值，那么序列化后不占用空间（不会设定默认值）

4.3、PB序列化解析原理

1、PB将消息中的每个字段进行encode后，再利用TLV存储方式进行数据存储，最终得到一个二进制字节流。
即：序列化=对数据进行编码+存储
2、PB对不同的数据类型采用不同的序列化方式（编码方式&存储方式），如下图：

从上表可以看出：
1、对于 varint 类型，不需要存储 TLV 中的length，即此时PB的存储是TV
2、PB通过采用TLV方式，使得序列化后存储变小。

4.3.1、Varint编码方式介绍

Varint是可变长的编码方式。
原理：用字节表示数字：值越小的数字，使用越少的字节数表示。
作用：通过减少表示数字的字节数而进行数据压缩。
例如，对于 int32 类型的数字，一般需要4个字节；若采用varint表示，对很小的int32数字，则可以用1个字节来表示；虽然大的数字可能占用5个字节，但大多数情况下，消息不会有很大的数字，这样就节省了空间。