转载 解决Android与服务器交互大容量数据问题

对于目前的状况来说，移动终端的网络状况没有PC网络状况那么理想。在一个Android应用中，如果需要接收来自服务器的大容量数据，那么就不得不考虑客户的流量问题。本文根据笔者的一个项目实战经验出发，解决大容量数据的交互问题，解决数据大小会根据实际情况动态切换问题（服务器动态选择是否要压缩数据，客户端动态解析数据是否是被压缩的），还有数据交互的编码问题。

解决数据过大的问题，最直观的方法就是压缩数据。服务器将需要传递的数据先进行压缩，再发送给Android客户端，Android客户端接收到压缩的数据，对其解压，得到压缩前的数据。

如果规定Android客户端和服务器的交互数据必须是经过某种压缩算法后的数据，那么这种“规定”失去了视具体情况而定的灵活性。笔者拟将Http协议进行封装，将动态的选择传输的数据是否要经过压缩，客户端也能动态的识别，整理并获得服务器想要发送的数据。Android客户端向服务器请求某个方面的数据，这个数据也许是经过压缩后传递比较合适，又也许是将原生数据传递比较合适。也就是说，笔者想要设计一种协议，这种协议适用于传输数据的数据量会动态的切换，也许它会是一个小数据，也许它又会是一个数据量庞大的大数据（大数据需要经过压缩）。

可能说的比较抽象，那么我用实际情况解释一下。

我项目中的一个实际情况是这样的：这个项目是做一个Android基金客户端，Android客户端向服务器请求某一个基金的历史走势信息，由于我的Android客户端实现了本地缓存，这让传递数据的大小浮动非常大。如果本地缓存的历史走势信息的最新日期是5月5日，服务器的历史走势信息的最新日期是5月7日，那么服务器就像发送5月6日和5月7日这两天的走势信息，这个数据很小，不需要压缩（我使用的压缩算法，对于数据量过小的数据压缩并不理想，数据量过小的数据压缩后的数据会比压缩前的数据大）。然而，Android客户端也可能对于某个基金没有任何的缓存信息，那么服务器将发送的数据将是过去三四年间的历史走势信息，这个数据会有点大，就需要进行压缩后传递。那么客户端对于同一个请求得到的数据，如何判断它是压缩后的数据还是未曾压缩的数据呢？

笔者使用的解决方案是把传递数据的第一个字节作为标识字节，将标识这个数据是否被压缩了。也能标识传递数据的编码问题。Android对于接收到的数据（字节数组），先判断第一个字节的数据，就能根据它所代表的数据格式和编码信息进行相应的操作。说了那么多，也许不如看实际的代码理解的快。首先是压缩算法，这里笔者用到的是jdk自带的zip压缩算法。

 1 package com.chenjun.utils.compress;
  2
  3 import java.io.ByteArrayInputStream;
  4 import java.io.ByteArrayOutputStream;
  5 import java.io.InputStream;
  6 import java.io.OutputStream;
  7 import java.util.zip.GZIPInputStream;
  8 import java.util.zip.GZIPOutputStream;
  9
 10 public class Compress {
 11     private static final int BUFFER_LENGTH = 400;
 12
 13
 14     //压缩字节最小长度，小于这个长度的字节数组不适合压缩，压缩完会更大
 15     public static final int BYTE_MIN_LENGTH = 50;
 16
 17
 18     //字节数组是否压缩标志位
 19     public static final byte FLAG_GBK_STRING_UNCOMPRESSED_BYTEARRAY = 0;
 20     public static final byte FLAG_GBK_STRING_COMPRESSED_BYTEARRAY = 1;
 21     public static final byte FLAG_UTF8_STRING_COMPRESSED_BYTEARRAY = 2;
 22     public static final byte FLAG_NO_UPDATE_INFO = 3;
 23
 24     /**
 25      * 数据压缩
 26      *
 27      * @param is
 28      * @param os
 29      * @throws Exception
 30      */
 31     public static void compress(InputStream is, OutputStream os)
 32             throws Exception {
 33
 34         GZIPOutputStream gos = new GZIPOutputStream(os);
 35
 36         int count;
 37         byte data[] = new byte[BUFFER_LENGTH];
 38         while ((count = is.read(data, 0, BUFFER_LENGTH)) != -1) {
 39             gos.write(data, 0, count);
 40         }
 41
 42         gos.finish();
 43
 44         gos.flush();
 45         gos.close();
 46     }
 47
 48
 49     /**
 50      * 数据解压缩
 51      *
 52      * @param is
 53      * @param os
 54      * @throws Exception
 55      */
 56     public static void decompress(InputStream is, OutputStream os)
 57             throws Exception {
 58
 59         GZIPInputStream gis = new GZIPInputStream(is);
 60
 61         int count;
 62         byte data[] = new byte[BUFFER_LENGTH];
 63         while ((count = gis.read(data, 0, BUFFER_LENGTH)) != -1) {
 64             os.write(data, 0, count);
 65         }
 66
 67         gis.close();
 68     }
 69
 70     /**
 71      * 数据压缩
 72      *
 73      * @param data
 74      * @return
 75      * @throws Exception
 76      */
 77     public static byte[] byteCompress(byte[] data) throws Exception {
 78         ByteArrayInputStream bais = new ByteArrayInputStream(data);
 79         ByteArrayOutputStream baos = new ByteArrayOutputStream();
 80
 81         // 压缩
 82         compress(bais, baos);
 83
 84         byte[] output = baos.toByteArray();
 85
 86         baos.flush();
 87         baos.close();
 88
 89         bais.close();
 90
 91         return output;
 92     }
 93
 94
 95     /**
 96      * 数据解压缩
 97      *
 98      * @param data
 99      * @return
100      * @throws Exception
101      */
102     public static byte[] byteDecompress(byte[] data) throws Exception {
103         ByteArrayInputStream bais = new ByteArrayInputStream(data);
104         ByteArrayOutputStream baos = new ByteArrayOutputStream();
105
106         // 解压缩
107
108         decompress(bais, baos);
109
110         data = baos.toByteArray();
111
112         baos.flush();
113         baos.close();
114
115         bais.close();
116
117         return data;
118     }
119 }
复制代码

这里供外部调用的方法是byteCompress()和byteDecompress()，都将接收一个byte数组，byteCompress是数据压缩方法，将返回压缩后的数组数据，byteDecompress是数据解压方法，将返回解压后的byte数组数据。FLAG_GBK_STRING_COMPRESSED_BYTEARRAY表示服务器传递的数据是GBK编码的字符串经过压缩后的字节数组。其它的常量也能根据其名字来理解。（这里多说一句，最好将编码方式和是否压缩的标识位分开，比如将标识字节的前四个位定义成标识编码方式的位，将后面四个位标识为是否压缩或者其它信息的标识位，通过位的与或者或方式来判断标识位。笔者这里偷懒了，直接就这么写了。）

下面是处理传递数据的方法（判断是否要压缩）。我这里用要的是Struts 1框架，在Action里组织数据，并作相应的处理（压缩或者不压缩），并发送。

  public ActionForward execute(ActionMapping mapping, ActionForm form,
            HttpServletRequest request, HttpServletResponse response) {
        JjjzForm jjjzForm = (JjjzForm) form;

        //基金净值历史走势信息
        ArrayList<Jjjz> jjjzs = null;

        //得到基金净值历史走势的方法省略了

        Gson gson = new Gson();
        String jsonStr = gson.toJson(jjjzs, jjjzs.getClass());

        byte[] resultOriginalByte = jsonStr.getBytes();

        //组织最后返回数据的缓冲字节数组
        ByteArrayOutputStream resultBuffer = new ByteArrayOutputStream();
        OutputStream os = null;

        try {

            os = response.getOutputStream();
            //如果要返回的结果字节数组小于50位，不将压缩
            if(resultOriginalByte.length < Compress.BYTE_MIN_LENGTH){
                byte flagByte = Compress.FLAG_GBK_STRING_UNCOMPRESSED_BYTEARRAY;
                resultBuffer.write(flagByte);
                resultBuffer.write(resultOriginalByte);
            }
            else{
                byte flagByte = Compress.FLAG_GBK_STRING_COMPRESSED_BYTEARRAY;
                resultBuffer.write(flagByte);
                resultBuffer.write(Compress.byteCompress(resultOriginalByte));
            }
            resultBuffer.flush();
            resultBuffer.close();

            //将最后组织后的字节数组发送给客户端
            os.write(resultBuffer.toByteArray());
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        finally{
            try {
                os.close();
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
        }
        return null;
    }
复制代码

这里我预发送的数据是一个Json格式的字符串（GBK编码），将判断这个字符串的长度（判断是否适合压缩）。如果适合压缩，就将缓冲字节数组（ByteArrayOutputStream resultBuffer）的第一个字节填充FLAG_GBK_STRING_COMPRESSED_BYTEARRAY，再将Json字符串的字节数组压缩，并存入数据缓冲字节数组，最后向输出流写入缓冲字节数组，关闭流。如果不适合压缩，将发送的数据的第一个字节填充为FLAG_GBK_STRING_UNCOMPRESSED_BYTEARRAY，再将Json字符串的字节数组直接存入数据缓冲字节数组，写入输出流，关闭流。

最后就是Android客户端的解析了，将上述的Compress压缩辅助类拷贝到Android项目中就行。下面是Http请求后得到的字节数组数据做解析工作。（Android客户端如何使用Http向服务器请求数据请参考我前面的一篇博客）。

        byte[] receivedByte = EntityUtils.toByteArray(httpResponse.getEntity());

        String result = null;

        //判断接收到的字节数组是否是压缩过的
        if (receivedByte[0] == Compress.FLAG_GBK_STRING_UNCOMPRESSED_BYTEARRAY) {
            result = new String(receivedByte, 1, receivedByte.length - 1, EXCHANGE_ENCODING);
        } 

        else if (receivedByte[0] == Compress.FLAG_GBK_STRING_COMPRESSED_BYTEARRAY) {

            byte[] compressedByte = new byte[receivedByte.length - 1];

            for (int i = 0; i < compressedByte.length; i++) {
                compressedByte[i] = receivedByte[i + 1];
            }
            byte[] resultByte = Compress.byteDecompress(compressedByte);
            result = new String(resultByte, EXCHANGE_ENCODING);
        }

这里最后得到的result就是服务器实际要发送的内容。

缺陷反思：任何设计都是有缺陷的。我这样做已经将Http协议做了进一层封装。Http的数据部分的第一个字节并不是实际数据，而是标识字节。这样，降低了这个接口的可重用性。统一发送Json字符串的Action能被网页（Ajax）或者其他客户端使用，经过封装压缩之后，只有能识别这个封装（就是能进行解析）的客户端能使用这个接口。网页（Ajax）就不能解析，那么这个Action就不能被Ajax使用。

具体开发过程中要视具体情况而定，如果数据量小的话我还是建议使用标准的Http协议，也就是说直接发送字符串，不做任何的压缩和封装。如果数据量实在过于大的话，建议使用我上述的方法。

有博友问，对于Android应用来说，什么样的数据才算是大数据。我想这个大数据的界限并不是固定的，并不是说10k以上，或者100k以上就算是大数据，这个界限是由许多方面的利弊来衡量的。首先我要说，我设计的这个协议是适用于大数据和小数据动态切换的情况。对于大小数据界限的划定，交给开发人员去衡量利弊。这个衡量标准我想应该包括以下几部分内容：

第一，压缩算法的有效临界点。只有要压缩的数据大于这个点，压缩后的数据才会更小，反之，压缩后的数据会更加的大。我使用的zip算法这个点应该是50字节左右，因此，在我应用中，将大数据定义成50字节以上的数据。

第二：压缩和解压的开销。服务器要压缩数据，客户端要解压数据，这个都是需要CPU开销的，特别是服务器，如果请求量大的话，需要为每一个响应数据进行压缩，势必降低服务器的性能。我们可以设想这样的一种情况，原生数据只有50字节，压缩完会有40字节，那么我们就要思考是否有必要来消耗CPU来为我们这区区的10个字节来压缩呢？

综上，虽然这个协议适合大小数据动态切换的数据传输，但是合理的选择大数据和小数据的分割点（定义多少大的数据要压缩，定义多少以下的数据不需要压缩）是需要好好权衡的。

http://www.cnblogs.com/answer1991/archive/2012/05/07/2487052.html