ProtoBuf 作為一種跨平臺、語言無關、可擴展的序列化結構數據的方法，已廣泛應用于網絡數據交換及存儲。隨著互聯網的發展，系統的異構性會愈發突出，跨語言的需求會愈加明顯，同時 gRPC 也大有取代Restful之勢，而 ProtoBuf 作為g RPC 跨語言、高性能的法寶，我們技術人有必要

深入理解 ProtoBuf 原理，為以后的技術更新和選型打下基礎。

我將過去的學習過程以及實踐經驗，總結成系列文章，與大家一起探討學習，希望大家能有所收獲，當然其中有不正確的地方也歡迎大家批評指正。

一、什么是ProtoBuf

ProtoBuf(Protocol Buffers)是一種跨平臺、語言無關、可擴展的序列化結構數據的方法，可用于網絡數據交換及存儲。

在序列化結構化數據的機制中，ProtoBuf是靈活、高效、自動化的，相對常見的XML、JSON，描述同樣的信息，ProtoBuf序列化后數據量更小、序列化/反序列化速度更快、更簡單。

一旦定義了要處理的數據的數據結構之后，就可以利用ProtoBuf的代碼生成工具生成相關的代碼。只需使用 Protobuf 對數據結構進行一次描述，即可利用各種不同語言(proto3支持C++, Java, Python, Go, Ruby, Objective-C, C#)或從各種不同流中對你的結構化數據輕松讀寫。

二、為什么是 ProtoBuf

大家可能會覺得 Google 發明 ProtoBuf 是為了解決序列化速度的，其實真實的原因并不是這樣的。

ProtoBuf最先開始是 Google用來解決索引服務器 request/response 協議的。沒有ProtoBuf之前，Google 已經存在了一種 request/response 格式，用于手動處理 request/response 的編解碼。它也能支持多版本協議，不過代碼不夠優雅：

if(protocolVersion=1){
doSomething();
}elseif(protocolVersion=2){
doOtherThing();
}...

如果是非常明確的格式化協議，會使新協議變得非常復雜。因為開發人員必須確保請求發起者與處理請求的實際服務器之間的所有服務器都能理解新協議，然后才能切換開關以開始使用新協議。

這也就是每個服務器開發人員都遇到過的低版本兼容、新舊協議兼容相關的問題。

為了解決這些問題，于是ProtoBuf就誕生了。

ProtoBuf 最初被寄予以下 2 個特點：

• 更容易引入新的字段，并且不需要檢查數據的中間服務器可以簡單地解析并傳遞數據，而無需了解所有字段。
• 數據格式更加具有自我描述性，可以用各種語言來處理(C++, Java 等各種語言)。

這個版本的 ProtoBuf 仍需要自己手寫解析的代碼。

不過隨著系統慢慢發展，演進，ProtoBuf具有了更多的特性：

• 自動生成的序列化和反序列化代碼避免了手動解析的需要。（官方提供自動生成代碼工具，各個語言平臺的基本都有）。
• 除了用于數據交換之外，ProtoBuf被用作持久化數據的便捷自描述格式。

ProtoBuf 現在是 Google 用于數據交換和存儲的通用語言。谷歌代碼樹中定義了 48162 種不同的消息類型，包括 12183 個 .proto 文件。它們既用于 RPC 系統，也用于在各種存儲系統中持久存儲數據。

ProtoBuf 誕生之初是為了解決服務器端新舊協議(高低版本)兼容性問題，名字也很體貼，“協議緩沖區”。只不過后期慢慢發展成用于傳輸數據。

Protocol Buffers 命名由來：

Why the name "Protocol Buffers"?

The name originates from the early days of the format, before we had the protocol buffer compiler to generate classes for us. At the time, there was a class called ProtocolBuffer which actually acted as a buffer for an individual method. Users would add tag/value pairs to this buffer individually by calling methods like AddValue(tag, value). The raw bytes were stored in a buffer which could then be written out once the message had been constructed.

Since that time, the "buffers" part of the name has lost its meaning, but it is still the name we use. Today, people usually use the term "protocol message" to refer to a message in an abstract sense, "protocol buffer" to refer to a serialized copy of a message, and "protocol message object" to refer to an in-memory object representing the parsed message.

三、如何使用 ProtoBuf

3.1 ProtoBuf 協議的工作流程

可以看到，對于序列化協議來說，使用方只需要關注業務對象本身，即 idl 定義，序列化和反序列化的代碼只需要通過工具生成即可。

3.2 ProtoBuf 消息定義

ProtoBuf 的消息是在idl文件(.proto)中描述的。下面是本次樣例中使用到的消息描述符customer.proto：

syntax="proto3";

packagedomain;

optionjava_package="com.protobuf.generated.domain";
optionjava_outer_classname="CustomerProtos";

messageCustomers{
repeatedCustomercustomer=1;
}

messageCustomer{
int32id=1;
stringfirstName=2;
stringlastName=3;

enumEmailType{
PRIVATE=0;
PROFESSIONAL=1;
}

messageEmailAddress{
stringemail=1;
EmailTypetype=2;
}

repeatedEmailAddressemail=5;
}

上面的消息比較簡單，Customers包含多個Customer，Customer包含一個id字段，一個firstName字段，一個lastName字段以及一個email的集合。

除了這些定義外，文件頂部還有三行可幫助代碼生成器：

1. 首先，syntax = "proto3"用于idl語法版本，目前有兩個版本proto2和proto3，兩個版本語法不兼容，如果不指定，默認語法是proto2。由于proto3比proto2支持的語言更多，語法更簡潔，本文使用的是proto3。

2. 其次有一個package domain;定義。此配置用于嵌套生成的類/對象。

3. 有一個option java_package定義。生成器還使用此配置來嵌套生成的源。此處的區別在于這僅適用于Java。在使用Java創建代碼和使用JavaScript創建代碼時，使用了兩種配置來使生成器的行為有所不同。也就是說，Java類是在包com.protobuf.generated.domain下創建的，而JavaScript對象是在包domain下創建的。

ProtoBuf 提供了更多選項和數據類型，本文不做詳細介紹，感興趣可以參考這里^[1]。

3.3 代碼生成

首先安裝 ProtoBuf 編譯器 protoc，這里^[2]有詳細的安裝教程，安裝完成后，可以使用以下命令生成 Java 源代碼：

protoc--java_out=./src/main/java./src/main/idl/customer.proto

從項目的根路徑執行該命令，并添加了兩個參數：java_out，定義./src/main/java/為Java代碼的輸出目錄；而./src/main/idl/customer.proto是.proto文件所在目錄。

生成的代碼非常復雜，但是幸運的是它的用法卻非常簡單。

CustomerProtos.Customer.EmailAddressemail=CustomerProtos.Customer.EmailAddress.newBuilder()
.setType(CustomerProtos.Customer.EmailType.PROFESSIONAL)
.setEmail("crichardson@email.com").build();

CustomerProtos.Customercustomer=CustomerProtos.Customer.newBuilder()
.setId(1)
.setFirstName("Lee")
.setLastName("Richardson")
.addEmail(email)
.build();
//序列化
byte[]binaryInfo=customer.toByteArray();
System.out.println(bytes_String16(binaryInfo));
System.out.println(customer.toByteArray().length);
//反序列化
CustomerProtos.CustomeranotherCustomer=CustomerProtos.Customer.parseFrom(binaryInfo);
System.out.println(anotherCustomer.toString());

3.4 性能數據

我們簡單地以Customers為模型，分別構造、選取小對象、普通對象、大對象進行性能對比。

序列化耗時以及序列化后數據大小對比

反序列化耗時

更多性能數據可以參考官方 Benchmark^[3]

四、總結

上面介紹了 ProtoBuf 是什么、產生的背景、基本用法，我們再總結下。

優點：

1. 效率高

從序列化后的數據體積角度，與XML、JSON這類文本協議相比，ProtoBuf通過T-(L)-V（TAG-LENGTH-VALUE）方式編碼，不需要", {, }, :等分隔符來結構化信息，同時在編碼層面使用varint壓縮，所以描述同樣的信息，ProtoBuf序列化后的體積要小很多，在網絡中傳輸消耗的網絡流量更少，進而對于網絡資源緊張、性能要求非常高的場景，ProtoBuf協議是不錯的選擇。

//我們簡單做個對比
//要描述如下JSON數據
{"id":1,"firstName":"Chris","lastName":"Richardson","email":[{"type":"PROFESSIONAL","email":"crichardson@email.com"}]}
#使用JSON序列化后的數據大小為118byte
7b226964223a312c2266697273744e616d65223a224368726973222c226c6173744e616d65223a2252696368617264736f6e222c22656d61696c223a5b7b2274797065223a2250524f46455353494f4e414c222c22656d61696c223a226372696368617264736f6e40656d61696c2e636f6d227d5d7d
#而使用ProtoBuf序列化后的數據大小為48byte
0801120543687269731a0a52696368617264736f6e2a190a156372696368617264736f6e40656d61696c2e636f6d1001

從序列化/反序列化速度角度，與XML、JSON相比，ProtoBuf序列化/反序列化的速度更快，比XML要快20-100倍。

2. 支持跨平臺、多語言

ProtoBuf是平臺無關的，無論是Android與PC，還是C#與Java都可以利用ProtoBuf進行無障礙通訊。

proto3支持C++, Java, Python, Go, Ruby, Objective-C, C#。

3. 擴展性、兼容性好

具有向后兼容的特性，更新數據結構以后，老版本依舊可以兼容，這也是ProtoBuf誕生之初被寄予解決的問題。因為編譯器對不識別的新增字段會跳過不處理。

4. 使用簡單

ProtoBuf 提供了一套編譯工具，可以自動生成序列化、反序列化的樣板代碼，這樣開發者只要關注業務數據idl，簡化了編碼解碼工作以及多語言交互的復雜度。

缺點

可讀性差，缺乏自描述

XML，JSON是自描述的，而ProtoBuf則不是。

ProtoBuf是二進制協議，編碼后的數據可讀性差，如果沒有idl文件，就無法理解二進制數據流，對調試不友好。

不過Charles已經支持ProtoBuf協議，導入數據的描述文件即可，詳情可參考Charles Protocol Buffers^[4]。

此外，由于沒有idl文件無法解析二進制數據流，ProtoBuf在一定程度上可以保護數據，提升核心數據被破解的門檻，降低核心數據被盜爬的風險。