tunm二进制协议在python上的实现-CSDN博客

本文链接：https://blog.csdn.net/w273732573/article/details/125459408

# tunm二进制协议在python上的实现

tunm是一种对标JSON的二进制协议, 支持JSON的所有类型的动态组合

## 支持的数据类型

基本支持的类型 "u8", "i8", "u16", "i16", "u32", "i32", "u64", "i64", "varint", "float", "string", "raw", "array", "map"

## 为什么我们需要二进制协议

下图是文本格式JSON与tunm的对比

| 类型| 可读 | 可编辑 | 编码速度 | 解码速度 | 数据大小 | 预定义 |

| :--- | :----: | :----: | :----: | :----: | :---: | :---: |

| JSON | ✓ | ✓ | 慢 | 慢| 大 | 否 |

| tunm | x | x | 快 | 快| 小 | 否 |

| protobuf | x | x | 快 | 快| 小 | 是 |

在高性能的场景下, 或者需要流量传输比较敏感的地方, 通常会选择二进制来代替文本协议来做为通讯的, 如RPC, REST, 游戏等情况。

相对于google protobuf, 它需要比较完善的预定义过程, 就比如客户端版本1, 服务端版本2, 就有比较大的可能造成不兼容, 对需求经常变化的就会比较难与同步。

tunm相对于JSON, 若第一版是

```json

{

"name": "tunm", "version": 1

}

```

此时第二版需要加入用户的id, 就可以很方便的变成

```json

{

"name": "tunm", "version": 2, "id": 1

}

```

而对客户端1来说, 只是多一个id的字段, 不会有任何的破坏, 做到版本升级而无影响

## 协议的二进制格式

数据协议分为三部分(协议名称, 字符串索引区, 数据区(默认为数组))

如数据协议名为cmd_test_op, 数据为["tunm_proto", {"name": "tunm_proto", "tunm_proto": 1}]

1. 那么数据将先压缩协议名cmd_test_op, 将先写下可变长度(varint)值为11占用1字节, 然后再写入cmd_test_op的utf8的字节数

2. 接下来准备写入字符串索引区, 索引数据用到的字符串为["tunm_proto", "name"]两个字符串, 即将写入可变长度(varint)值为2占用一字节, 然后分别写入字符串tunm_proto和name两个字符串, 这样子字符串相接近有利于压缩, 且如果有相同的字符串可以更好的进行复用

3. 接下来准备写入数据区,

首先判断为一个数组, 写入类型u8(TYPE_ARR=16), 写入数组长度varint(2), 准备开始写第一个数据, 字符串tunm_proto, 已转成id, 则写入类型u8(TYPE_STR_IDX=14), 查索引号0, 则写入varint(0), 第一个字段写入完毕, 接下来第二个字段是一个map数据, 写入map长度varint(2), 然后进行遍历得到key值为name, 则写入写入类型u8(TYPE_STR_IDX=14),查索引号1, 则写入varint(1), 然后开始写name对应的值tunm_proto, 写入TYPE_STR_IDX类型的0值, 则这组key写入完毕, 依此类推写入第二组数据

## 协议的实现(小端对齐)

### ByteBuffer的实现

ByteBuffer具有组装字节流的功能, 比如写入字符串, 写入int, 还有里面存储字符串索引区

```python

class ByteBuffer(object):

def __init__(self):

# 字节缓冲区

self.buffer = bytearray([00]*1024)

# 写入的位置索引号

self.wpos = 0

# 读出的位置索引号

self.rpos = 0

# 大小端格式

self.endianness = "little"

# 索引的数组及快速查询的字符串索引号

self.str_arr = []

self.str_map = {}

```

[ByteBuffer源码地址](https://github.com/tickbh/TunmProto/blob/main/python/tunm_proto/bytebuffer.py)

### 类型的定义

```python

@enum.unique

class TP_DATA_TYPE(IntEnum):

TYPE_NIL = 0,

TYPE_BOOL = 1,

TYPE_U8 = 2,

TYPE_I8 = 3,

TYPE_U16 = 4,

TYPE_I16 = 5,

TYPE_U32 = 6,

TYPE_I32 = 7,

TYPE_U64 = 8,

TYPE_I64 = 9,

TYPE_VARINT = 10,

TYPE_FLOAT = 11,

TYPE_DOUBLE = 12,

TYPE_STR = 13,

TYPE_STR_IDX = 14,

TYPE_RAW = 15,

TYPE_ARR = 16,

TYPE_MAP = 17,

```

### 数据的组装

##### 变长的int类型, 用来写入string长度, 数组长度, map长度, 部分数值类型

```python

@staticmethod

def encode_varint(buffer: ByteBuffer, value):

'''

如果原数值是正数则将原数值变成value*2

如果原数值是负数则将原数值变成-(value + 1) * 2 + 1

相当于0->0, -1->1, 1->2,-2->3,2->4来做处理

因为小数值是常用的, 所以保证小数值及负数的小数值尽可能的占少位

'''

if type(value) == bool:

value = 1 if value else 0

real = value * 2

if value < 0:

real = -(value + 1) * 2 + 1

for _i in range(12):

# 每个字节的最高位来表示有没有下一位, 若最高位为0, 则已完毕

b = real & 0x7F

real >>= 7

if real > 0:

buffer.write_u8(b | 0x80)

else:

buffer.write_u8(b)

break

```

##### 写入字符串, 把字符串变成索引值, 如果协议里有大量重复的字符串可大大的节约协议的长度

```python

@staticmethod

def encode_str_idx(buffer: ByteBuffer, value):

'''

写入字符串索引值, 在数值区里的所有字符串默认会被写成索引值

如果重复的字符串则会返回相同的索引值(varint)

'''

idx = buffer.add_str(value)

TPPacker.encode_type(buffer, TP_DATA_TYPE.TYPE_STR_IDX)

TPPacker.encode_varint(buffer, idx)

```

##### 写入各种对应的类型

```python

@staticmethod

def encode_field(buffer: ByteBuffer, value, pattern=None):

'''

先写入类型的值(u8), 则根据类型写入类型对应的的数据

'''

if not pattern:

pattern = TPPacker.get_type_by_ref(value)

if pattern == TP_DATA_TYPE.TYPE_NIL:

return None

elif pattern == TP_DATA_TYPE.TYPE_BOOL: