GRPC学习之路(4)——protobuf编码过程解析

朱雀 2022-05-25 06:49 202阅读 0赞

上一篇文章通过一个例子大致了解了protobuf的作用，我曾经打开那个存储对象编码后的文件，里面像是有一团乱码：

![WechatIMG2-300x119.jpeg][]

这篇文章主要研究protobuf是如何编码的，同时你也能感受到protobuf为什么更快更省带宽。

## Base 128 Varints ##

在开始研究过程之前，必须先要了解Varints*，*Varints提供了一种办法能让一个或者多个字节代表整型变量，通常在java中一个int需要占用4个字节，即使数字1也需要4个字节，而使用Varints能用更少的字节代表比较小的数字，这样做的目的就是为了减少编码后使用的空间，毕竟整型很常用，使用Varints带来的提高还是很客观的。了解Varints的作用后，下面介绍一下它是怎么做到的。

比如数字149通过Varints编码后变成了

10010101 00000001

这里面有2个字节，在Varints中每个字节的第一个bit都是代表后面还有没有更多的字节，从上面的例子能看出，第一个字节首bit是1，代表后面还有字节，需要继续处理，第二个的首bit是0，代表到此为止后面没有字节了。

还有一个需要注意的是，Varints采用的是 **least significant group first**, 网上没有找到合适的翻译，其实就是它在表示整型变量时将字节顺序反过来存储，比如上面这个例子：

10010101 00000001  -> 0010101 0000001  //去掉首bit

0010101 0000001 ->00000010010101  //反转顺序

00000010010101换算成10进制就是149

## 编码消息包含哪些元素 ##

假设现在有一个消息实体定义为如下：

message Message {
       int32 a = 1;
    }

上面的Message里只有一个整型变量a,  tag为1. 如果现在将一个a为149的Message写入文件，然后从文件中按照字节读出刚刚写入的Message内容：

00001000 10010101 00000001

同样的149和上面介绍的相比，多了一个字节00001000， 这个是什么作用呢？

protobuf 的消息编码都是按照多个key-value对来存储的，既然上面的149是value, 那多出来的字节肯定就是key了，而在protobuf中一个key包含2部分

1.  field number 也就是上面所说的tag，在这个例子中也就是1
2.  wire type通俗的讲就是类型名称

常用的wire type如下，这个例子中我们的wire type是0

Type    Meaning               Used For
    0       Varint                int32, int64, uint32, uint64, sint32, sint64, bool, enum
    1       64-bit                fixed64, sfixed64, double
    2       Length-delimited      string, bytes, embedded messages, packed repeated fields
    3       Start group           groups (deprecated)
    4       End group             groups (deprecated)
    5       32-bit                fixed32, sfixed32, float

而在protobuf中key的计算方式是 key = (field\_number << 3) | wire\_type， 也就是 1<<3 | 0 即 0001000

你可以理解为key中的后三位就是wire type

## 实战 ##

准备有两个字段的Message，一个整型一个字符串类型

syntax = "proto3";
    package tutorial;
    
    option java_package = "com.example.tutorial";
    option java_outer_classname = "TestMessage";
    message Message {
       int32 a = 1;
       string query = 2;
    }

通过前面文章提到的maven插件生成对象代码TestMessage.java,  新建一个对象并写入文件中：

TestMessage.Message.Builder message  =  TestMessage.Message.newBuilder();
    message.setA(149);
    message.setQuery("zack");
    // Write the new address book back to disk.
    FileOutputStream output = new FileOutputStream("testmessage.txt");
    message.build().writeTo(output);
    output.close();

然后从上面的文件中读出字节流：

File file = new File(fileName);
            InputStream in = null;
            try {
                in = new FileInputStream(file);
                int tempbyte;
                while ((tempbyte = in.read()) != -1) {
                    System.out.print(Integer.toBinaryString(tempbyte)+" ");
                }
                in.close();
            } catch (IOException e) {
                e.printStackTrace();
                return;
            }

得出的结果如下：

1000 10010101 1 10010 100 1111010 1100001 1100011 1101011

确实挺长，我们可以一点一点解刨，前3个字节和上面的例子一样1000 10010101 1，就是149的整型变量，那来看看后面的6个字节：

10010 100 1111010 1100001 1100011 1101011

*  第一个字节 10010：后三位010即wire type是2， 吻合;  剩下的2个字节10即field\_number, 也吻合
 *  第二个字节100: 由于这个wire type是2，因此这个字节代表的是后面的字节有几个，也就是4个字符，一个字符占用一个字节，而我们代码里存的是zack, 确实是4个字节
 *  剩下的4个字节毫无疑问就是zack四个字符的Ascii的值， 注意这里不是用Varints那种方式去解析，还记得Varints的应用范围吗？它是用来表示整型变量的，这里是字符。

## 总结 ##

现在回想一下整个过程，你是否发现protobuf在使用尽量少的字节去表达尽量多的含义，包括减少整型变量的空间占用以及在表示变量类型和field\_num时只使用少的字节数，同样的消息，编码占用的空间越少，则它传输也就越快。

至此，我们研究了protobuf是如何将一个对象的属性编码成一个字节流的过程，如果你还想知道其他类型的字段是如何编码的，可以参考protobuf的官网，这里就不细讲了，原理都是差不多的。

另附文章中提到的工程文件：

[Proto3Tutorial][]

欢迎关注我的个人的博客[www.zhijianliu.cn][], 虚心求教，有错误还请指正轻拍，谢谢

[WechatIMG2-300x119.jpeg]: http://www.zhijianliu.cn/wp-content/uploads/2018/05/WechatIMG2-300x119.jpeg
[Proto3Tutorial]: http://www.zhijianliu.cn/wp-content/uploads/2018/05/Proto3Tutorial-1.zip
[www.zhijianliu.cn]: http://www.zhijianliu.cn/