Protobuf: 高效数据传输的秘密武器

短命女 2024-03-22 15:18 9阅读 0赞

当涉及到网络通信和数据存储时，**数据序列化**一直都是一个重要的话题；特别是现在很多公司都在推行微服务，数据序列化更是重中之重，通常会选择使用 JSON 作为数据交换格式，且 JSON 已经成为业界的主流。但是 Google 这么大的公司使用的却是一种被称为 **Protobuf** 的数据交换格式，它是有什么优势吗？这篇文章介绍 Protobuf 的相关知识。

![format_png][]

GitHub：[https://github.com/protocolbuffers/protobuf][https_github.com_protocolbuffers_protobuf]

官方文档：[Overview | Protocol Buffers Documentation][Overview _ Protocol Buffers Documentation]

### Protobuf 介绍 ###

**Protobuf**（Protocol Buffers）是由 Google 开发的一种**轻量级、高效**的数据交换格式，它被用于结构化数据的序列化、反序列化和传输。相比于 XML 和 JSON 等文本格式，Protobuf 具有更小的数据体积、更快的解析速度和更强的可扩展性。

Protobuf 的核心思想是**使用协议（Protocol）来定义数据的结构和编码方式**。使用 Protobuf，可以先定义数据的结构和各字段的类型、字段等信息，**然后使用Protobuf提供的编译器生成对应的代码**，**用于序列化和反序列化数据**。由于 Protobuf 是基于二进制编码的，因此可以在数据传输和存储中实现更高效的数据交换，同时也可以**跨语言**使用。

![format_png 1][]

相比于 XML 和 JSON，**Protobuf 有以下几个优势**：

*  **更小的数据量**：Protobuf 的二进制编码通常比 XML 和 JSON 小 3-10 倍，因此在网络传输和存储数据时可以节省带宽和存储空间。
 *  **更快的序列化和反序列化速度**：由于 Protobuf 使用二进制格式，所以序列化和反序列化速度比 XML 和 JSON 快得多。
 *  **跨语言**：Protobuf 支持多种编程语言，可以使用不同的编程语言来编写客户端和服务端。这种跨语言的特性使得 Protobuf 受到很多开发者的欢迎（JSON 也是如此）。
 *  **易于维护可扩展**：Protobuf 使用 .proto 文件定义数据模型和数据格式，这种文件比 XML 和 JSON 更容易阅读和维护，且可以在不破坏原有协议的基础上，轻松添加或删除字段，实现版本升级和兼容性。

### 编写 Protobuf ###

使用 Protobuf 的语言定义文件（.proto）可以定义要传输的信息的数据结构，可以包括各个字段的名称、类型等信息。同时也可以相互嵌套组合，构造出更加复杂的消息结构。

比如想要构造一个地址簿 AddressBook 信息结构。一个 AddressBook 可以包含多个人员 Person 信息，每个 Person 信息可以包含 id、name、email 信息，同时一个 Person 也可以包含多个电话号码信息 PhoneNumber，每个电话号码信息需要指定号码种类，如手机、家庭电话、工作电话等。

如果使用 Protobuf 编写定义文件如下：

// 文件：addressbook.proto
    syntax = "proto3";
    // 指定 protobuf 包名，防止有相同类名的 message 定义
    package com.wdbyte.protobuf;
    // 是否生成多个文件
    option java_multiple_files = true;
    // 生成的文件存放在哪个包下
    option java_package = "com.wdbyte.tool.protos";
    // 生成的类名，如果没有指定，会根据文件名自动转驼峰来命名
    option java_outer_classname = "AddressBookProtos";
    
    message Person {
      // =1，=2 作为序列化后的二进制编码中的字段的唯一标签，也因此，1-15 比 16 会少一个字节，所以尽量使用 1-15 来指定常用字段。
      optional int32 id = 1;
      optional string name = 2;
      optional string email = 3;
    
      enum PhoneType {
        MOBILE = 0;
        HOME = 1;
        WORK = 2;
      }
    
      message PhoneNumber {
        optional string number = 1;
        optional PhoneType type = 2;
      }
    
      repeated PhoneNumber phones = 4;
    }
    
    message AddressBook {
      repeated Person people = 1;
    }

Protobuf 文件中的语法解释。

#### 头部全局定义 ####

*  `syntax = "proto3";`指定 Protobuf 版本为版本3（最新版本）
 *  `package com.wdbyte.protobuf;`指定 Protobuf 包名，防止有相同类名的 `message` 定义，这个包名是生成的类中所用到的一些信息的前缀，并非类所在包。
 *  `option java_multiple_files = true;` 是否生成多个文件。若 `false`，则只会生成一个类，其他类以内部类形式提供。
 *  `option java_package =` 生成的类所在包。
 *  `option java_outer_classname` 生成的类名，若无，自动使用文件名进行驼峰转换来为类命名。

#### 消息结构具体定义 ####

`message Person` 定一个了一个 Person 类。

Person 类中的字段被 `optional` 修饰，被 `optional` 修饰说明字段可以不赋值。

*  修饰符 `optional` 表示可选字段，可以不赋值。
 *  修饰符 `repeated` 表示数据重复多个，如数组，如 List。
 *  修饰符 `required` 表示必要字段，必须给值，否则会报错 `RuntimeException`，但是在 Protobuf 版本 3 中被移除。即使在版本 2 中也应该慎用，因为一旦定义，很难更改。

#### 字段类型定义 ####

修饰符后面紧跟的是字段类型，如 `int32` 、`string`。常用的类型如下：

*  `int32、int64、uint32、uint64`：整数类型，包括有符号和无符号类型。
 *  `float、double`：浮点数类型。
 *  `bool`：布尔类型，只有两个值，true 和 false。
 *  `string`：字符串类型。
 *  `bytes`：二进制数据类型。
 *  `enum`：枚举类型，枚举值可以是整数或字符串。
 *  `message`：消息类型，可以嵌套其他消息类型，类似于结构体。

字段后面的 `=1，=2` 是作为序列化后的二进制编码中的字段的对应标签，因为 Protobuf 消息在序列化后是不包含字段信息的，只有对应的字段序号，所以**节省了空间**。也因此，1-15 比 16 会少一个字节，所以**尽量使用 1-15 来指定常用字段**。且一旦定义，**不要随意更改，否则可能会对不上序列化信息**。

### 编译 Protobuf ###

使用 Protobuf 提供的编译器，可以将 `.proto` 文件编译成各种语言的代码文件（如 Java、C++、Python 等）。

![format_png 2][]

下载编译器：[Release Protocol Buffers v23.0 · protocolbuffers/protobuf · GitHub][Release Protocol Buffers v23.0 _ protocolbuffers_protobuf _ GitHub]

安装完成后可以使用 `protoc` 命令编译 `proto` 文件，如编译示例中的 `addressbook.proto`.

protoc --java_out=./java ./resources/addressbook.proto
    # --java_out 指定输出 java 格式文件，输出到 ./java 目录
    # ./resources/addressbook.proto 为 proto 文件位置

生成后可以看到生产的类文件。

./
    ├── java
    │   └── com
    │       └── wdbyte
    │           └── tool
    │               ├── protos
    │               │   ├── AddressBook.java
    │               │   ├── AddressBookOrBuilder.java
    │               │   ├── AddressBookProtos.java
    │               │   ├── Person.java
    │               │   ├── PersonOrBuilder.java
    └── resources
        ├── addressbook.proto

### 使用 Protobuf ###

使用 Java 语言操作 Protobuf，首先需要引入 Protobuf 依赖。

Maven 依赖：

<dependency>
        <groupId>com.google.protobuf</groupId>
        <artifactId>protobuf-java</artifactId>
        <version>3.22.3</version>
    </dependency>

#### 构造消息对象 ####

// 直接构建
    PhoneNumber phoneNumber1 = PhoneNumber.newBuilder().setNumber("18388888888").setType(PhoneType.HOME).build();
    Person person1 = Person.newBuilder().setId(1).setName("www.wdbyte.com").setEmail("xxx@wdbyte.com").addPhones(phoneNumber1).build();
    AddressBook addressBook1 = AddressBook.newBuilder().addPeople(person1).build();
    System.out.println(addressBook1);
    System.out.println("------------------");
    
    //  链式构建
    AddressBook addressBook2 = AddressBook
        .newBuilder()
        .addPeople(Person.newBuilder()
                         .setId(2)
                         .setName("www.wdbyte.com")
                         .setEmail("yyy@126.com")
                        .addPhones(PhoneNumber.newBuilder()
                                              .setNumber("18388888888")
                                              .setType(PhoneType.HOME)
                        )
        )
        .build();
    System.out.println(addressBook2);

输出：

people {
      id: 1
      name: "www.wdbyte.com"
      email: "xxx@wdbyte.com"
      phones {
        number: "18388888888"
        type: HOME
      }
    }
    
    ------------------
    people {
      id: 2
      name: "www.wdbyte.com"
      email: "yyy@126.com"
      phones {
        number: "18388888888"
        type: HOME
      }
    }

#### 序列化、反序列化 ####

序列化：将内存中的数据对象序列化为二进制数据，可以用于网络传输或存储等场景。

反序列化：将二进制数据反序列化成内存中的数据对象，可以用于数据处理和业务逻辑。

下面演示使用 Protobuf 进行字符数组和文件的序列化及反序列化过程。

package com.wdbyte.tool.protos;
    
    import java.io.FileInputStream;
    import java.io.FileOutputStream;
    import java.io.IOException;
    
    /**
     * 
     * @author www.wdbyte.com
     */
    public class ProtobufTest2 {
    
        public static void main(String[] args) throws IOException {
            PhoneNumber phoneNumber1 = PhoneNumber.newBuilder().setNumber("18388888888").setType(PhoneType.HOME).build();
            Person person1 = Person.newBuilder().setId(1).setName("www.wdbyte.com").setEmail("xxx@wdbyte.com").addPhones(phoneNumber1).build();
            AddressBook addressBook1 = AddressBook.newBuilder().addPeople(person1).build();
          
            // 序列化成字节数组
            byte[] byteArray = addressBook1.toByteArray();
            // 反序列化 - 字节数组转对象
            AddressBook addressBook2 = AddressBook.parseFrom(byteArray);
            System.out.println("字节数组反序列化：");
            System.out.println(addressBook2);
    
            // 序列化到文件
            addressBook1.writeTo(new FileOutputStream("AddressBook1.txt"));
            // 读取文件反序列化
            AddressBook addressBook3 = AddressBook.parseFrom(new FileInputStream("AddressBook1.txt"));
            System.out.println("文件读取反序列化：");
            System.out.println(addressBook3);
        }
    }

输出：

字节数组反序列化：
    people {
      id: 1
      name: "www.wdbyte.com"
      email: "xxx@wdbyte.com"
      phones {
        number: "18388888888"
        type: HOME
      }
    }
    
    文件读取反序列化：
    people {
      id: 1
      name: "www.wdbyte.com"
      email: "xxx@wdbyte.com"
      phones {
        number: "18388888888"
        type: HOME
      }
    }

### Protobuf 为什么高效 ###

在分析 Protobuf 高效之前，我们先确认一下 Protobuf 是否真的高效，下面将 Protobuf 与 JSON 进行对比，分别**对比序列化和反序列化速度**以及**序列化后的存储占用大小**。

测试工具：JMH，FastJSON，

测试对象：Protobuf 的 `addressbook.proto`，JSON 的普通 Java 类。

Maven 依赖：

<dependency>
        <groupId>com.alibaba</groupId>
        <artifactId>fastjson</artifactId>
        <version>2.0.7</version>
    </dependency>
    <dependency>
        <groupId>org.openjdk.jmh</groupId>
        <artifactId>jmh-core</artifactId>
        <version>1.33</version>
    </dependency>
    <dependency>
        <groupId>org.openjdk.jmh</groupId>
        <artifactId>jmh-generator-annprocess</artifactId>
        <version>1.33</version>
        <scope>provided</scope>
    </dependency>

先编写与`addressbook.proto` 结构相同的 Java 类 `AddressBookJava.java`.

public class AddressBookJava {
        List<PersonJava> personJavaList;
    
        public static class PersonJava {
            private int id;
            private String name;
            private String email;
            private PhoneNumberJava phones;
            // get...set...
        }
    
        public static class PhoneNumberJava {
            private String number;
            private PhoneTypeJava phoneTypeJava;
            // get....set....
        }
    
        public enum PhoneTypeJava {
            MOBILE, HOME, WORK;
        }
    
        public List<PersonJava> getPersonJavaList() {
            return personJavaList;
        }
    
        public void setPersonJavaList(List<PersonJava> personJavaList) {
            this.personJavaList = personJavaList;
        }
    }

#### 序列化大小对比 ####

分别在地址簿中添加 1000 个人员信息，输出序列化后的数组大小。

package com.wdbyte.tool.protos;
    
    import java.io.IOException;
    import java.util.ArrayList;
    
    import com.alibaba.fastjson.JSON;
    
    import com.wdbyte.tool.protos.AddressBook.Builder;
    import com.wdbyte.tool.protos.AddressBookJava.PersonJava;
    import com.wdbyte.tool.protos.AddressBookJava.PhoneNumberJava;
    import com.wdbyte.tool.protos.AddressBookJava.PhoneTypeJava;
    import com.wdbyte.tool.protos.Person.PhoneNumber;
    import com.wdbyte.tool.protos.Person.PhoneType;
    
    /**
     * @author https://www.wdbyte.com
     */
    public class ProtobufTest3 {
    
        public static void main(String[] args) throws IOException {
            AddressBookJava addressBookJava = createAddressBookJava(1000);
            String jsonString = JSON.toJSONString(addressBookJava);
            System.out.println("json string size:" + jsonString.length());
    
            AddressBook addressBook = createAddressBook(1000);
            byte[] addressBookByteArray = addressBook.toByteArray();
            System.out.println("protobuf byte array size:" + addressBookByteArray.length);
        }
    
        public static AddressBook createAddressBook(int personCount) {
            Builder builder = AddressBook.newBuilder();
            for (int i = 0; i < personCount; i++) {
                builder.addPeople(Person.newBuilder()
                    .setId(i)
                    .setName("www.wdbyte.com")
                    .setEmail("xxx@126.com")
                    .addPhones(PhoneNumber.newBuilder()
                        .setNumber("18333333333")
                        .setType(PhoneType.HOME)
                    )
                );
            }
            return builder.build();
        }
    
        public static AddressBookJava createAddressBookJava(int personCount) {
            AddressBookJava addressBookJava = new AddressBookJava();
            addressBookJava.setPersonJavaList(new ArrayList<>());
            for (int i = 0; i < personCount; i++) {
                PersonJava personJava = new PersonJava();
                personJava.setId(i);
                personJava.setName("www.wdbyte.com");
                personJava.setEmail("xxx@126.com");
    
                PhoneNumberJava numberJava = new PhoneNumberJava();
                numberJava.setNumber("18333333333");
                numberJava.setPhoneTypeJava(PhoneTypeJava.HOME);
    
                personJava.setPhones(numberJava);
                addressBookJava.getPersonJavaList().add(personJava);
            }
            return addressBookJava;
        }
    }

输出：

json string size:108910
    protobuf byte array size:50872

可见测试中 Protobuf 的序列化结果比 JSON 小了将近一倍左右。

#### 序列化速度对比 ####

使用 JMH 进行性能测试，分别测试 JSON 的序列化和反序列以及 Protobuf 的序列化和反序列化性能情况。每次测试前进行 3 次预热，每次 3 秒。接着进行 5 次测试，每次 3 秒，收集测试情况。

package com.wdbyte.tool.protos;
    
    import java.util.ArrayList;
    import java.util.concurrent.TimeUnit;
    
    import com.alibaba.fastjson.JSON;
    
    import com.google.protobuf.InvalidProtocolBufferException;
    import com.wdbyte.tool.protos.AddressBook.Builder;
    import com.wdbyte.tool.protos.AddressBookJava.PersonJava;
    import com.wdbyte.tool.protos.AddressBookJava.PhoneNumberJava;
    import com.wdbyte.tool.protos.AddressBookJava.PhoneTypeJava;
    import com.wdbyte.tool.protos.Person.PhoneNumber;
    import com.wdbyte.tool.protos.Person.PhoneType;
    import org.openjdk.jmh.annotations.Benchmark;
    import org.openjdk.jmh.annotations.BenchmarkMode;
    import org.openjdk.jmh.annotations.Fork;
    import org.openjdk.jmh.annotations.Measurement;
    import org.openjdk.jmh.annotations.Mode;
    import org.openjdk.jmh.annotations.OutputTimeUnit;
    import org.openjdk.jmh.annotations.Scope;
    import org.openjdk.jmh.annotations.Setup;
    import org.openjdk.jmh.annotations.State;
    import org.openjdk.jmh.annotations.Warmup;
    
    /**
     * @author https://www.wdbyte.com
     */
    @State(Scope.Thread)
    @Fork(2)
    @Warmup(iterations = 3, time = 3)
    @Measurement(iterations = 5, time = 3)
    @BenchmarkMode(Mode.Throughput) // Throughput:吞吐量，SampleTime：采样时间
    @OutputTimeUnit(TimeUnit.MILLISECONDS)
    public class ProtobufTest4 {
    
        private AddressBookJava addressBookJava;
        private AddressBook addressBook;
    
        @Setup
        public void init() {
            addressBookJava = createAddressBookJava(1000);
            addressBook = createAddressBook(1000);
        }
    
        @Benchmark
        public AddressBookJava testJSON() {
            // 转 JSON
            String jsonString = JSON.toJSONString(addressBookJava);
            // JSON 转对象
            return JSON.parseObject(jsonString, AddressBookJava.class);
        }
    
        @Benchmark
        public AddressBook testProtobuf() throws InvalidProtocolBufferException {
            // 转 JSON
            byte[] addressBookByteArray = addressBook.toByteArray();
            // JSON 转对象
            return AddressBook.parseFrom(addressBookByteArray);
        }
    
        public static AddressBook createAddressBook(int personCount) {
            Builder builder = AddressBook.newBuilder();
            for (int i = 0; i < personCount; i++) {
                builder.addPeople(Person.newBuilder()
                    .setId(i)
                    .setName("www.wdbyte.com")
                    .setEmail("xxx@126.com")
                    .addPhones(PhoneNumber.newBuilder()
                        .setNumber("18333333333")
                        .setType(PhoneType.HOME)
                    )
                );
            }
            return builder.build();
        }
    
        public static AddressBookJava createAddressBookJava(int personCount) {
            AddressBookJava addressBookJava = new AddressBookJava();
            addressBookJava.setPersonJavaList(new ArrayList<>());
            for (int i = 0; i < personCount; i++) {
                PersonJava personJava = new PersonJava();
                personJava.setId(i);
                personJava.setName("www.wdbyte.com");
                personJava.setEmail("xxx@126.com");
    
                PhoneNumberJava numberJava = new PhoneNumberJava();
                numberJava.setNumber("18333333333");
                numberJava.setPhoneTypeJava(PhoneTypeJava.HOME);
    
                personJava.setPhones(numberJava);
                addressBookJava.getPersonJavaList().add(personJava);
            }
            return addressBookJava;
        }
    }

JMH 吞吐量测试结果（Score 值越大吞吐量越高，性能越好）：

Benchmark                    Mode  Cnt  Score   Error   Units
    ProtobufTest3.testJSON      thrpt   10  1.877 ± 0.287  ops/ms
    ProtobufTest3.testProtobuf  thrpt   10  2.813 ± 0.446  ops/ms

JMH 采样时间测试结果（Score 越小，采样时间越小，性能越好）：

Benchmark                                          Mode    Cnt   Score   Error  Units
    ProtobufTest3.testJSON                           sample  53028   0.565 ± 0.005  ms/op
    ProtobufTest3.testProtobuf                       sample  90413   0.332 ± 0.001  ms/op

从测试结果看，不管是吞吐量测试，还是采样时间测试，Protobuf 都优于 JSON。

#### 为什么高效？ ####

**Protobuf 是如何实现这种高效紧凑的数据编码和解码的呢？**

首先，Protobuf 使用二进制编码，会提高性能；其次 Protobuf 在将数据转换成二进制时，会对字段和类型重新编码，减少空间占用。它采用 `TLV` 格式来存储编码后的数据。`TLV` 也是就是 **Tag-Length-Value** ，是一种常见的编码方式，因为数据其实都是键值对形式，所以在 `TAG` 中会存储对应的**字段和类型**信息，`Length` 存储内容的长度，`Value` 存储具体的内容。

![format_png 3][]

还记得上面定义结构体时每个字段都对应一个数字吗？如 `=1`,`=2`,`=3`.

message Person {
      optional int32 id = 1;
      optional string name = 2;
      optional string email = 3;
    }

在序列化成二进制时候就是通过这个数字来标记对应的字段的，二进制中只存储这个数字，反序列化时通过这个数字找对应的字段。这也是上面为什么说尽量使用 1-15 范围内的数字，因为一旦超过 15，就需要多一个 bit 位来存储。

那么类型信息呢？比如 `int32` 怎么标记，因为类型个数有限，所以 Protobuf 规定了每个类型对应的二进制编码，比如 `int32` 对应二进制 `000`，`string` 对应二进制 `010`，这样就可以只用三个比特位存储类型信息。

> 这里只是举例描述大概思想，具体还有一些变化。
> 
> 详情可以参考官方文档：https://protobuf.dev/programming-guides/encoding/

其次，Protobuf 还会采用一种**变长编码的方式来存储数据**。这种编码方式能够保证数据占用的空间最小化，从而减少了数据传输和存储的开销。具体来说，Protobuf 会将整数和浮点数等类型变换成一个或多个字节的形式，其中每个字节都包含了一部分数据信息和一部分标识符信息。这种编码方式可以**在数据值比较小的情况下，只使用一个字节来存储数据**，以此来提高编码效率。

最后，Protobuf 还可以通过**采用压缩算法来减少数据传输的大小**。比如 GZIP 算法能够将原始数据压缩成更小的二进制格式，从而在网络传输中能够节省带宽和传输时间。Protobuf 还提供了一些可选的压缩算法，如 zlib 和 snappy，这些算法在不同的场景下能够适应不同的压缩需求。

综上所述，Protobuf 在实现高效编码和解码的过程中，采用了多种优化方式，从而在实际应用中能够有效地提升数据传输和处理的效率。

### 总结 ###

ProtoBuf 是一种**轻量、高效**的数据交换格式，它具有以下优点：

*  **语言中立**，可以支持多种编程语言；
 *  数据结构清晰，易于维护和扩展；
 *  二进制编码，数据**体积小，传输效率高**；
 *  自动生成代码，开发效率高。

但是，ProtoBuf 也存在以下缺点：

*  学习成本较高，需要掌握其语法规则和使用方法；
 *  需要先定义数据结构，然后才能对数据进行序列化和反序列化，增加了一定的开发成本；
 *  由于二进制编码，**可读性较差，这点不如 JSON 可以直接阅读**。

[format_png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/18/2fdbcb5d3d134a1aac3939e3faa3031f.png
[https_github.com_protocolbuffers_protobuf]: https://github.com/protocolbuffers/protobuf
[Overview _ Protocol Buffers Documentation]: https://protobuf.dev/overview/
[format_png 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/18/f020599c75e44b10acd55d102f91abbf.png
[format_png 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/18/3620df295ba04b95a6a8874f1d5160f5.png
[Release Protocol Buffers v23.0 _ protocolbuffers_protobuf _ GitHub]: https://github.com/protocolbuffers/protobuf/releases/latest
[format_png 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/18/ff8b35bf57f746848995c245c1b7ebf4.png