Google Protocol Buffers介绍和总结

简要介绍和总结protobuf的一些关键点，从我之前做的ppt里摘录而成，希望能节省protobuf初学者的入门时间。这是一个简单的Demo。

Protobuf 简介

Protobuf全称Google Protocol Buffers

• http://code.google.com/p/protobuf
• 结构化数据存储格式(xml, json)
• 用于通信协议、数据存储等
• 高效的序列化和反序列化
• 语言无关、平台无关、扩展性好
• 官方支持C++, Java, Python三种语言

.proto文件

定义和使用

消息定义文件user_def.proto

package user;message UserInfo {     required int64 id = 1;    optional string name = 2;    repeated bytes nick_name = 3;}

编译.proto，生成解析器代码

protoc --cpp_out . user.proto  // user_def.pb.h user_def.pb.ccprotoc --java_out . user.proto // user/UserInfo.java

字段ID

optional string name = 2;

• 唯一性
• 序列化后，1~15占一个字节，16~2047占两个字节

字段类型

• https://developers.google.com/protocol-buffers/docs/proto#scalar

• string vs. bytes

  .proto类型c++类型java类型说明stringstd::stringString必须是UTF-8或ASCII文本bytesstd::stringByteString任意的字节序列

编写建议

1. 常用消息字段(尤其是repeated字段)的ID尽量分配在1~15之间。
2. 尽可能多的（全部）使用optional字段。
3. 命名方式
   • .proto文件名用underscore_speparated_names。
   • 消息名用CamelCaseNames。
   • 字段名用underscore_separated_names。

兼容性建议

1. 不能修改字段的ID。
2. 不能增删任何required字段。
3. https://developers.google.com/protocol-buffers/docs/proto#updating

序列化后的protobuf消息

• 一序列的键值对，键是消息字段的ID。
• 已知消息字段(.proto文件定义)按其ID顺序排列。
• 未知消息字段：
  • c++和java: 排在已知字段之后且顺序不定。
  • python: 不保留未知字段。
• 不包含未赋值的optional消息字段。
• 使用little-endian字节序存储。

反射

反射是protobuf的一个重要特性，涉及到的类主要有:

• Message
• MessageFactory
• Reflection
• Descriptor
• FieldDescriptor
• DescriptorPool

根据名称创建消息

以下是一个根据消息名（包含package name）创建protobuf消息的C++函数，需要注意的是返回的消息必须在用完后delete掉。

Message* createMessage(const string &typeName) {    Message *message = NULL;    // 查找message的descriptor    const Descriptor *descriptor = DescriptorPool::generated_pool()->FindMessageTypeByName(typeName);    if (descriptor) {        // 创建default message(prototype)        const Message *prototype = MessageFactory::generated_factory()->GetPrototype(descriptor);        if (NULL != prototype) {            // 创建一个可修改的message            message = prototype->New();        }    }    return message;}

修改消息

根据消息的字段名称修改其值。以上面的user.UserInfo为例，下面将一个新的UserInfo消息的其id字段设为100。

int main() {    // 使用上面的函数创建一个新的UserInfo message    Message *msg = createMessage("user.UserInfo");    if (NULL == msg) {        // 创建失败，可能是消息名错误，也可能是编译后message解析器        // 没有链接到主程序中。        return -1;    }    // 获取message的descriptor    const Descriptor* descriptor = msg->GetDescriptor();    // 获取message的反射接口，可用于获取和修改字段的值    const Reflection* reflection = msg->GetReflection();    // 根据字段名查找message的字段descriptor    const FieldDescriptor* idField = descriptor->FindFieldByName("id");    // 将id设置为100    if (NULL != idField) {        reflection->SetInt64(msg, idField, 100);    }    // ... 其他操作    // 最后删除message    delete msg;    return 0;}

从字符串或流中读取消息

用createMessage创建一个空的消息后，最常见的使用场景是使用Message的ParseFromString或ParseFromIstream方法从字符串或流中读取一个序列化后的message。

    Message *msg = createMessage("user.UserInfo");    if (NULL != msg) {        if (!msg->ParseFromString("... serialized message string ... ")) {            // 解析失败            ...        }    }

Protobuf优势

1. 扩展性好
   • 前后兼容
   • 引入(import)已定义的消息
   • 嵌套消息
2. 高效 https://code.google.com/p/thrift-protobuf-compare/wiki/Benchmarking
   • 适合处理大量小数据(单个Message不超过1M)

Protobuf劣势

1. 没有内置的Set, Map等容器类型。
2. 不适合处理单个Message超过1M的情景，详见Large Data Sets。

进一步阅读

• .proto指南 https://developers.google.com/protocol-buffers/docs/proto
• .proto规范 https://developers.google.com/protocol-buffers/docs/style
• 序列化编码方式 https://developers.google.com/protocol-buffers/docs/encoding
• 教程 https://developers.google.com/protocol-buffers/docs/tutorials
• 接口文档 https://developers.google.com/protocol-buffers/docs/reference/overview
• Protobuf benchmarking https://code.google.com/p/thrift-protobuf-compare/wiki/Benchmarking

阅读资料

• Protobuf documentation
• Protobuf的使用和原理