序列化和反序列化及Protobuf 基本使用

序列化和反序列化##
常用序列化和反序列化组件##
Protobuf##

序列化和反序列化##

序列化和反序列化在平常工作中会大量使用，然而并不一定非常清楚它的概念。序列化和反序列化的选型却是系统设计或重构一个重要的环节，在分布式、大数据量系统设计里面更为显著。机器间的通信需要约定一个协议，序列化和反序列化是这个通信协议的一部分。

序列化：将对象或数据结构转为字节序列的过程。

反序列化：将序列化后生成的字节序列转为对象或数据结构的过程。

常用序列化和反序列化组件##

比较常见的序列化和反序列化组方式有XML、JSON和Protobuf等。XML标准化较早，基于XML的SOAP是一种应用广泛的结构化数据传递协议。JSON源于js，较之XML它更小、解析更快，而且同样具备可读性好的优点。而源于谷歌的protobuf现在在大型分布式系统广泛使用。

Protobuf##

Protobuf是谷歌推出的一款平台无关，语言无关，可扩展的序列化和反序列化技术。

字段规则

要使用Protobuf，首先需要定义.proto文件

如下proto2中：

message msg

{

    required int32 a=1;

    optional string b=2;

    repeated string c=3;

}

其中：

message是消息定义的关键字。
required 表示这个字段必须的，必须在序列化的时候被赋值。
optional 代表这个字段是可选的，可以为0个或1个但不能大于1个。
repeated 则代表此字段可以被重复任意多次包括0次。类似C++ STL中的vector。
int32和string是字段的类型。后面是我们定义的字段名。
最后的1，2，3则是代表每个字段的一个唯一的编号标签，在同一个消息里不可以重复。这些编号标签用与在消息二进制格式中标识你的字段，并且消息一旦定义就不能更改。需要说明的是标签在1到15范围的采用一个字节进行编码。所以通常将标签1到15用于频繁发生的消息字段。编号标签大小的范围是1到$2^{29}-1$。此外不能使用protobuf系统预留的编号标签（19000 －19999）。

而在proto3中，字段规则中去除了required和optional，增加singular。但是proto3仍兼容proto2。

message msg

{

    int32 a=1;

    singular string b=2;

    repeated string c=3;

}

其中，

singular：一个格式良好的消息应该有0个或者1个这种字段（但是不能超过1个）。
repeated
在proto3中，repeated的标量域默认情况下使用packed。

一个较完整的.proto文件

syntax = "proto3";

message Article {

  int32 article_id = 1;

  singular string article_excerpt = 2;

  repeated string article_picture = 3;

  singular int32  article_pagecount = 4 [default = 0];

  enum ArticleType {

    NOVEL = 0;

    PROSE = 1;

    PAPER = 2;

    POETRY = 3;

  }

  singular ArticleType article_type = 5 [default = NOVEL];

  message Author {

    string name = 1;

    singular string phone = 2;

  }

  singular Author author = 6;

  repeated int32 article_numberofwords = 7 [packed=true];

  reserved  9, 10, 12 to 15;

  extensions 100 to 1000;

}

extend Article {

  singular int32 followers_count = 101;

  singular int32 likes_count= 102;

}

message Other {

  singular string other_info = 1;

  oneof test_oneof {

    string code1 = 2;

    string code2 = 3;

  }

}

上面proto文件，我们定义了enum枚举类型，嵌套的消息。甚至对原有的消息进行了扩展，也可以对字段设置默认值。添加注释等，类似C++注释。
此外reserved关键字主要用于保留相关编号标签，主要是防止在更新proto文件删除了某些字段，而未来的使用者定义新的字段时重新使用了该编号标签。这会引起一些问题在获取老版本的消息时，譬如数据冲突，隐藏的一些bug等。所以一定要用reserved标记这些编号标签以保证不会被使用。
当我们需要对消息进行扩展的时候，我们可以用extensions关键字来定义一些编号标签供第三方扩展。这样的好处是不需要修改原来的消息格式。就像上面proto文件，我们用extend关键字来扩展。只要扩展的字段编号标签在extensions定义的范围里。
对于基本数值类型，由于历史原因，不能被protobuf更有效的encode。所以在新的代码中使用packed=true可以更加有效率的encode。注意packed只能用于repeated 数值类型的字段。不能用于string类型的字段。
在消息Other中我们看到定义了一个oneof关键字。这个关键字作用比较有意思。当你设置了oneof里某个成员值时，它会自动清除掉oneof里的其他成员，也就是说同一时刻oneof里只有一个成员有效。这常用于你有许多optional字段时但同一时刻只能使用其中一个，就可以用oneof来加强这种效果。但需要注意的是oneof里的字段不能用singular，repeated关键字。

导入定义

我们总不能都定义在一个文件中。当一个proto文件需要另一个proto文件的时候，我们可以通过import导入。protobuf也提供了包的定义，只要在文件开头定义package关键字即可。

import "test.proto"

package foo.bar;

编译问题

针对不同语言，依据.proto文件编译成我们需要的语言文件。如C++下

protoc -I=SRC_DIR --cpp_out=DST_DIR SRC_DIR/ex.proto

先简单记录这些。