前段时间刚试用了一个序列化工具cereal,请看 cereal:C++实现的开源序列化库,打算再总结下我对google proto buf序列化库的使用呢, 结果还没动手,大Google又出了一个新的、开源、跨平台的序列化工具: FlatBuffers。那就索性先了解了解这个工具把。 一. 什么是Google FlatBuffers FlatBuffers是一个开源的、跨平台的、高效的、提供了C++/Java接口的序列化工具库。它是Google专门为游戏开发或其他性能敏感的应用程序需求而创建。尤其更适用于移动平台,这些平台上内存大小及带宽相比桌面系统都是受限的,而应用程序比如游戏又有更高的性能要求。它将序列化数据存储在缓存中,这些数据既可以存储在文件中,又可以通过网络原样传输,而不需要任何解析开销。 代码托管主页: https://github.com/google/flatbuffers; 项目介绍主页: http://google./flatbuffers/index.html; 二. 为什么要使用Google FlatBuffers
三. 为什么不使用Protocol Buffers的,或者JSON Protocol Buffers的确和FlatBuffers比较类似,但其主要区别在于FlatBuffers在访问数据前不需要解析/拆包这一步。 而且Protocol Buffers既没有可选的文本导入/导出功能,也没有Schemas语法特性(比如union)。 JSON是非常可读的,而且当和动态类型语言(如JavaScript)一起使用时非常方便。然而在静态类型语言中序列化数据时,JSON不但具有运行效率低的明显缺点,而且会让你写更多的代码来访问数据(这个与直觉相反)。 想了解更多关于FlatBuffers的“为什么”请访问 flatbuffers白皮书。 四. 内建的数据类型
详细介绍请参考: schema语法格式。 五. 如何使用
六. 一个简单的Schemas(IDL)文件 namespace zl.persons; enum GENDER_TYPE : byte { MALE = 0, FEMALE = 1, OTHER = 2 } table personal_info { id : uint; name : string; age : byte; gender : GENDER_TYPE; phone_num : ulong; } table personal_info_list { info : [personal_info]; } root_type personal_info_list; 注意:这里有table、struct的区别: struct STest { a : int; b : int; c : byte; } 在生成为C++代码之后,会补充两个用于padding的成员__padding0与__padding1: MANUALLY_ALIGNED_STRUCT(4) STest { private: int32_t a_; int32_t b_; int8_t c_; int8_t __padding0; int16_t __padding1; public: STest(int32_t a, int32_t b, int8_t c) : a_(flatbuffers::EndianScalar(a)), b_(flatbuffers::EndianScalar(b)), c_(flatbuffers::EndianScalar(c)), __padding0(0) {} int32_t a() const { return flatbuffers::EndianScalar(a_); } int32_t b() const { return flatbuffers::EndianScalar(b_); } int8_t c() const { return flatbuffers::EndianScalar(c_); } }; table的成员顺序是动态调整的,这和struct有区别。在生成C++代码时,生成器会自动调整为最佳顺序以保证它占用最小的内存空间。 七. 一个完整Demo 这里只给一个函数演示如何对对象进行序列化,完整工程请直接 点击下载,或者前往github查看 google_flatbuffers_test。 std::string CreateOnePerson() { flatbuffers::FlatBufferBuilder builder; fb_offset<fb_string> name = builder.CreateString("hello word"); zl::persons::personal_infoBuilder pib(builder); pib.add_id(1); pib.add_age(25); pib.add_gender(zl::persons::GENDER_TYPE_MALE); pib.add_name(name); pib.add_phone_num(1234567890); flatbuffers::Offset<zl::persons::personal_info> personinfo = pib.Finish(); fb_offset<zl::persons::personal_info> info[1]; info[0] = personinfo; fb_offset<fb_vector<fb_offset<zl::persons::personal_info>>> info_array = fb_create_vector(builder, info, sizeof(info) / sizeof(info[0])); fb_offset<zl::persons::personal_info_list> info_list = create_personal_info_list(builder, info_array); fb_finish(builder, info_list); // return the buffer for the caller to use. return std::string(reinterpret_cast<const char *>(builder.GetBufferPointer()), builder.GetSize()); } 八. 其他 关于性能,除了Google公布的 基准测试外,有人自己测试验证过,上面的IDL文件即来源于该作者的 这篇文章。 九. 参考 http://google./flatbuffers/index.html http:///archives/md__schemas.html http://blog.csdn.net/menggucaoyuan/article/details/34409433 http:///2014/06/19/google-flatbuffers-cross-platform-serialization-library/ |
|