Dubbo源码解析（十八）Dubbo 序列化、反序列化

Dubbo 序列化、反序列化

我们都知道在本地调用的时候，是本地JAVA虚拟机读取内存中的对象实例，作为参数，执行方法的调用，所以参数是在本地内存中的。但是在跨进程，甚至跨网络的服务调用中，在分布式系统中，都是通过网络进行交互的。作为二进制流传输到被调用的服务器中。而在我们的对象转换为二进制流称之为序列化，相应的二进制流转换为对象的话就称之为反序列化。

序列化–编解码技术

介绍

In computer science, in the context of data storage, serialization (or serialisation) is the process of translating data structures or object state into a format that can be stored (for example, in a file or memory buffer) or transmitted (for example, across a networkconnection link) and reconstructed later (possibly in a different computer environment).[1] When the resulting series of bits is reread according to the serialization format, it can be used to create a semantically identical clone of the original object.

如上图 对象转换为二进制流称之为序列化，相应的二进制流转换为对象的话就称之为反序列化。

目的

• 对象传输

  在网络中的两台主机，因为我们不在同一个主机内，当发生交互的时候，没有办法直接将java对象内存地址暴露出去，只能通过网络进行传输，那么这个时候我们就会需要把这个对象转化为二进制流(TCP/IP限制)的穿过去，并且在接收方需要接收到二进制流并转化为对象。

• 对象持久化

  上一个例子我们说的是进行网络间调用的时候，大家都知道内存在断电的情况下会丢失所有数据，我们如果不把对象持久化的话，那么当重启应用，所有的对象都恢复不回来，所以无论是分布式缓存还是数据库都会把数据持久化到磁盘里。这里当然我们如果需要对当前应用的对象进行恢复的话，也要进行持久化。

• 深克隆

  我们知道在java中，对象之间的依赖特别复杂，如果想深克隆一个对象的话，势必要把对象所依赖的对象都备一个份,我们就可以通过序列化来保存对象，然后反序列化可以得到多个深克隆的副本。

实际序列技术

Java序列化

java 序列化从jdk1.1就已经提供，他不知道添加额外的类,只需要实现java.io.Serailizable接口并生成一个序列化ID就可以了。java序列化相对于的序列化框架更简单，无需引入任何依赖，但是无法跨语言、并且序列化后的字节码流太大、性能较低，不然也不会有这么多其它的序列化框架。

hessian2

Hessian是一个轻量级的remoting onhttp工具，使用简单的方法提供了RMI的功能。 相比WebService，Hessian更简单、快捷。采用的是二进制RPC协议，因为采用的是二进制协议，所以它很适合于发送二进制数据。

fst

FST fast-serialization 是重新实现的 Java 快速对象序列化的开发包。序列化速度更快（2-10倍）、体积更小，而且兼容 JDK 原生的序列化。要求 JDK 1.7 支持。

json

JSON(JavaScript Object Notation, JS 对象简谱) 是一种轻量级的数据交换格式。它基于 ECMAScript (欧洲计算机协会制定的js规范)的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。 易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。

fastjson jackson gson

kyro

Kryo是一个快速高效的Java序列化框架，旨在提供快速、高效和易用的API。无论文件、数据库或网络数据Kryo都可以随时完成序列化。Kryo还可以执行自动深拷贝（克隆）、浅拷贝（克隆）。这是对象到对象的直接拷贝，非对象->字节->对象的拷贝。

protobuf

ProtoBuf 全称 Google Protocol Buffer ,它由Google 开源而来。它将数据结构以.proto文件进行描述，通过代码生成工具可以以生成对应的数据结构的pojo对象和Protobuf相关的方法和属性。

• 结构化数据存储格式(XML、JSON) 等
• 高效的编解码性能
• 语言无关、平台无关、扩展性好
• 官方支持Java/C++/python/go/dart/c# 多种语言

avro

Apache Avro™ is a data serialization system.由Hadoop创始人Doug Cutting创建的一种语言无关的数据序列化和RPC框架，用于解决Hadoop中Writable序列化机制的缺点：缺少跨语言特性，与Java绑的太紧，数据格式很难被JVM外的语言进行处理。

那在已经有真么多序列化框架的情况下，为什么还有搞一套框架呢？

Doug Cutting撰文解释道：Hadoop现存的RPC系统遇到一些问题，如性能瓶颈(当前采用IPC系统，它使用Java自带的DataOutputStream和DataInputStream)；需要服务器端和客户端必须运行相同版本的Hadoop；只能使用Java开发等。但现存的这些序列化系统自身也有毛病，以Protocol Buffers为例，它需要用户先定义数据结构，然后根据这个数据结构生成代码，再组装数据。如果需要操作多个数据源的数据集，那么需要定义多套数据结构并重复执行多次上面的流程，这样就不能对任意数据集做统一处理。其次，对于Hadoop中Hive和Pig这样的脚本系统来说，使用代码生成是不合理的。并且Protocol Buffers在序列化时考虑到数据定义与数据可能不完全匹配，在数据中添加注解，这会让数据变得庞大并拖慢处理速度。其它序列化系统有如Protocol Buffers类似的问题。所以为了Hadoop的前途考虑，Doug Cutting主导开发一套全新的序列化系统，这就