序列化原理（二）：从源码理解Parcelable

前言

上一篇我们研究了一下Serializable，虽然它使用方便，但是效率和兼容性上确实还存在一些问题。为此Android提供了特有的Parcelable机制，按照官方说法，速度是Serializable的十倍左右。

正文

public class TestBean implements Parcelable {

    private int x;

    private int y;

    public int getX() {
        return x;
    }

    public void setX(int x) {
        this.x = x;
    }

    public int getY() {
        return y;
    }

    public void setY(int y) {
        this.y = y;
    }

    public static final Parcelable.Creator<TestBean> CREATOR = new Creator<TestBean>() {
        @Override
        public TestBean[] newArray(int size) {
            return new TestBean[size];
        }

        @Override
        public TestBean createFromParcel(Parcel in) {
            TestBean bean = new TestBean();
            bean.setX(in.readInt());
            bean.setY(in.readInt());
            return bean;
        }
    };

    @Override
    public int describeContents() {
        return 0;
    }

    @Override
    public void writeToParcel(Parcel dest, int flags) {
        dest.writeInt(x);
        dest.writeInt(y);
    }
}

上面是一个Parcelable的示例，对比Serializable，可以看出有以下优劣：

• Serializable用法简单，Parcelable实现要相对复杂
• Serializable只能序列化所有属性，Parcelable可以在write和read方法选择性的序列化
• Serializable具有可继承性，Parcelable虽然也具有，但是仍然需要完善实现，因为CREATOR是静态的。

通过用法我们已经对两者的区别有了一些认识，接下来我们看看Parcelable的源码工作原理。 提到跨进程通信，AIDL是常见的解决方案之一。

如果你对AIDL的使用还不够了解，可以先阅读我之前学过的博客：
AIDL使用学习（一）：基础使用学习
AIDL使用学习（二）：跨进程回调以及RemoteCallbackList
AIDL使用学习（三）：源码深入分析

我们就看生成的文件ITestInterface：

public interface ITestInterface extends android.os.IInterface {
    
    public static abstract class Stub extends android.os.Binder implements com.lzp.aidlstudy.ITestInterface {
        private static final java.lang.String DESCRIPTOR = "com.lzp.aidlstudy.ITestInterface";
        ...
       
        @Override
        public boolean onTransact(int code, android.os.Parcel data, android.os.Parcel reply, int flags) throws android.os.RemoteException {
            java.lang.String descriptor = DESCRIPTOR;
            switch (code) {
                case INTERFACE_TRANSACTION: {
                    reply.writeString(descriptor);
                    return true;
                }
                case TRANSACTION_getCalculateResult: {
                    data.enforceInterface(descriptor);
                    com.lzp.aidlstudy.bean.TestBean _arg0;
                    if ((0 != data.readInt())) {
                        _arg0 = com.lzp.aidlstudy.bean.TestBean.CREATOR.createFromParcel(data);
                    } else {
                        _arg0 = null;
                    }
                    int _result = this.getCalculateResult(_arg0);
                    reply.writeNoException();
                    reply.writeInt(_result);
                    return true;
                }
                default: {
                    return super.onTransact(code, data, reply, flags);
                }
            }
        }

        private static class Proxy implements com.lzp.aidlstudy.ITestInterface {
            ...
            @Override
            public int getCalculateResult(com.lzp.aidlstudy.bean.TestBean bean) throws android.os.RemoteException {
                android.os.Parcel _data = android.os.Parcel.obtain();
                android.os.Parcel _reply = android.os.Parcel.obtain();
                int _result;
                try {
                    _data.writeInterfaceToken(DESCRIPTOR);
                    if ((bean != null)) {
                        _data.writeInt(1);
                        bean.writeToParcel(_data, 0);
                    } else {
                        _data.writeInt(0);
                    }
                    mRemote.transact(Stub.TRANSACTION_getCalculateResult, _data, _reply, 0);
                    _reply.readException();
                    _result = _reply.readInt();
                } finally {
                    _reply.recycle();
                    _data.recycle();
                }
                return _result;
            }
        }

}

我们简化了部分与分析无关的代码，从上面的代码我们已经看到了Parcelable熟悉的身影，首先我们得到的代理对象Proxy，通过Proxy对象调用getCalculateResult（）方法：

// 如果参数TestBean不等于null
if ((bean != null)) {
         _data.writeInt(1);
         // 调用writeToParcel把要序列化的数据写入到某处
        bean.writeToParcel(_data, 0);
} else {
		// 参数等于null，就写个0
       _data.writeInt(0);
}

我们先不管序列化的数据到底写到哪去了，反正是保存起来了，接着调用：

 mRemote.transact(Stub.TRANSACTION_getCalculateResult, _data, _reply, 0);

mRemote就是Stub类的实例，通过Binder的源码，在transact调用了onTransact：

 public boolean onTransact(int code, android.os.Parcel data, android.os.Parcel reply, int flags) throws android.os.RemoteException {
        ......
        // 如果参数不是空的，通过反序列化得到参数
        if ((0 != data.readInt())) {
                _arg0 = com.lzp.aidlstudy.bean.TestBean.CREATOR.createFromParcel(data);
        } else {
                _arg0 = null;
        }
        // 本地计算结果，再次返回
        int _result = this.getCalculateResult(_arg0);
        reply.writeNoException();
        reply.writeInt(_result);
        return true;
        }
		......
     }
}

过程就是这么简单，现在我们唯一的困惑是：

这些序列化的数据到底写到哪去了呢

Parcelable只是一个接口，具体的序列化原理是借助Parcel，我们刚才也看到这样的代码：

 android.os.Parcel _data = android.os.Parcel.obtain();
 bean.writeToParcel(_data, 0);

Parcel的write和read方法全是native方法：

	// 截取的部分native方法
    @FastNative
    private static native void nativeWriteInt(long nativePtr, int val);
    @FastNative
    private static native void nativeWriteLong(long nativePtr, long val);
    @FastNative
    private static native void nativeWriteFloat(long nativePtr, float val);
    @FastNative
    private static native void nativeWriteDouble(long nativePtr, double val);
    static native void nativeWriteString(long nativePtr, String val);
    private static native void nativeWriteStrongBinder(long nativePtr, IBinder val);
    private static native long nativeWriteFileDescriptor(long nativePtr, FileDescriptor val);

一般来说使用JNI的速度肯定是比使用Java方法要快，因为他绕过了Java层的api，不过这个并不是速度的保证，真正的优势是避免的大量的反射操作，减少了临时变量的创建，提高了序列化的效率。

根据Parcel的注释，我们了解了数据的去向：

有一个专门负责IBinder传输数据的容器。
（一个可以进程共享的内存区）
Parcel可以把数据压入，另一端的Parcel可以把数据取走
（通过实现我们可以推断出保存数据的是一个先进先出的堆栈）
Parcel仅仅是为了实现高性能的IPC通信，在其他的持久化方案在并不推荐。

到这里Parcelable的序列化机制就已经分析结束了，如果我们非要把Parcelable保存到本地怎么办呢？

我这里给出一个简单的示例：

private fun writeTestData() {
        Thread(Runnable {
            val student = Student("zhangsan", 18)
            val parcel = Parcel.obtain()
            // 因为Parcel内部有缓存复用
            // 设置数据的位置指针为头部
            parcel.setDataPosition(0)
            student.writeToParcel(parcel, 0)
            val fos = FileOutputStream(path)
            fos.write(parcel.marshall())
            fos.flush()

            fos.close()
            parcel.recycle()

        }).start()
    }

    private fun readTestData() {
        Thread(Runnable {
            val fis = FileInputStream(path)
            val data = fis.readBytes()
            val parcel = Parcel.obtain()
            // 因为Parcel内部有缓存复用
            // 设置数据的位置指针为头部
            parcel.unmarshall(data, 0, data.size)
            parcel.setDataPosition(0)
            val student = Student(parcel)
			parcel.recycle()
            runOnUiThread {
                findViewById<TextView>(R.id.text).text = student.toString()
            }


        }).start()
    }

刚才提到了Parcel内部有缓存，推荐使用Parcel.obtain()来获取一个可用的Parcel对象，类似的还有Message.obtain():

/**
     * Retrieve a new Parcel object from the pool.
     */
    public static Parcel obtain() {
        final Parcel[] pool = sOwnedPool;
        synchronized (pool) {
            Parcel p;
            for (int i=0; i<POOL_SIZE; i++) {
                p = pool[i];
                if (p != null) {
                    pool[i] = null;
                    if (DEBUG_RECYCLE) {
                        p.mStack = new RuntimeException();
                    }
                    p.mReadWriteHelper = ReadWriteHelper.DEFAULT;
                    return p;
                }
            }
        }
        return new Parcel(0);
    }

总结

最后对Parcelable的序列化做一个总结：

• Parcelable的序列化需要借助Parcel。
• Parcel通过JNI把序列化数据写入到进程的共享内存中，或从进程共享内存中读数据。
• Parcel推荐使用Parcel.obtain()方法获取可用实例。
• 与Serializable相比，Parcelable避免了大量反射操作，在效率上有很大提升。
• Parcelable仅仅是IPC的高效实现方案，其他场景慎用。

ok，这一篇就结束了，有什么问题欢迎大家留言指正。