[[265235]]

 目前業(yè)界有各種各樣的網(wǎng)絡(luò)輸出傳輸時(shí)的序列化和反序列化方案，它們在技術(shù)上的實(shí)現(xiàn)的初衷和背景有較大的區(qū)別，因此在設(shè)計(jì)的架構(gòu)也會有很大的區(qū)別，最終在落地后的：解析速度、對系統(tǒng)的影響、傳輸數(shù)據(jù)的大小、可維護(hù)性及可閱讀性等方面有著較大的區(qū)別，本文分享一些我在一些常見序列化技術(shù)的分析和理解：

文章分成3個(gè)部分：

1、列舉常見的序列化和反序列化方案(ObjectXXStream、XML、JSON)

2、MySQL JDBC結(jié)果集的處理方案

3、Google Protocol Buffer處理方案

【一、常見的在API及消息通信調(diào)的用中Serialize方案】：

方案1、基于Java原生的ObjectOutputStream.write()和ObjectInputStream.read()來進(jìn)行對象序列化和反序列化。

方案2、基于JSON進(jìn)行序列化和反序列化。

方案3、基于XML進(jìn)行序列化和反序列化。

【方案1淺析，ObjectXXXStream】：

優(yōu)點(diǎn)：

(1)、由Java自帶API序列化，簡單、方便、無第三方依賴。

(2)、不用擔(dān)心其中的數(shù)據(jù)解析會丟失精度、丟失字段、Object的反序列化類型不確定等問題。

缺點(diǎn)：

(1)、雙方調(diào)試麻煩，發(fā)送方和接收方***是同版本的對象描述，否則會有奇怪的問題，調(diào)試周期相對長，跨團(tuán)隊(duì)合作升級問題很多。

(2)、傳遞的對象中包含了元數(shù)據(jù)信息，占用空間較大。

【方案2淺析，JSON序列化】：

優(yōu)點(diǎn)：

(1)、簡單、方便，無需關(guān)注要序列化的對象格式。

(2)、開源界有較多的組件可以支持，例如FastJSON性能非常好。

(3)、在現(xiàn)在很多RPC的框架中，基本都支持這樣的方案。

缺點(diǎn)：

(1)、對象屬性中如果包含Object類型，在反序列化的時(shí)候如果業(yè)務(wù)也本身也不明確數(shù)據(jù)類型，處理起來會很麻煩。

(2)、由于文本類型，所以一定會占用較大的數(shù)據(jù)空間，例如下圖。

(3)、比較比較依賴于JSON的解析包的兼容性和性能，在JSON的一些細(xì)節(jié)處理上(例如一些非標(biāo)的JSON)，各自處理方式可能不一樣。

(4)、序列化無論任何數(shù)據(jù)類型先要轉(zhuǎn)換為String，轉(zhuǎn)成byte[]，會增加內(nèi)存拷貝的次數(shù)。

(5)、反序列化的時(shí)候，必須將整個(gè)JSON反序列化成對象后才能進(jìn)行讀取，大家應(yīng)該知道，Java對象尤其是層次嵌套較多的對象，占用的內(nèi)存空間將會遠(yuǎn)遠(yuǎn)大于數(shù)據(jù)本身的空間。

數(shù)據(jù)放大的極端案例1：

傳遞數(shù)據(jù)描述信息為:

class PP {  
long userId = 102333320132133L;  
int passportNumber = 123456;  
} 

此時(shí)傳遞JSON的格式為：

{  
"userId":102333320132133,  
"passportNumber":123456  
} 

我們要傳遞的數(shù)據(jù)是1個(gè)long、1個(gè)int，也就是12個(gè)字節(jié)的數(shù)據(jù)，這個(gè)JSON的字符串長度將是實(shí)際的字節(jié)數(shù)(不包含回車、空格，這里只是為了可讀性，同時(shí)注意，這里的long在JSON里面是字符串了)，這個(gè)字符串有：51個(gè)字節(jié)，也就是數(shù)據(jù)放到了4.25倍左右。

數(shù)據(jù)放大極端案例2：

當(dāng)你的對象內(nèi)部有數(shù)據(jù)是byte[]類型，JSON是文本格式的數(shù)據(jù)，是無法存儲byte[]的，那么要序列化這樣的數(shù)據(jù)，只有一個(gè)辦法就是把byte轉(zhuǎn)成字符，通常的做法有兩種：

(1)使用BASE64編碼，目前JSON中比較常用的做法。

(2)按照字節(jié)進(jìn)行16進(jìn)制字符編碼，例如字符串：“FF”代表的是0xFF這個(gè)字節(jié)。

不論上面兩種做法的那一種，1個(gè)字節(jié)都會變成2個(gè)字符來傳遞，也就是byte[]數(shù)據(jù)會被放大2倍以上。為什么不用ISO-8859-1的字符來編碼呢?因?yàn)檫@樣編碼后，在最終序列化成網(wǎng)絡(luò)byte[]數(shù)據(jù)后，對應(yīng)的byte[]雖然沒變大，但是在反序列化成文本的時(shí)候，接收方并不知道是ISO-8859-1，還會用例如GBK、UTF-8這樣比較常見的字符集解析成String，才能進(jìn)一步解析JSON對象，這樣這個(gè)byte[]可能在編碼的過程中被改變了，要處理這個(gè)問題會非常麻煩。

【方案2淺析，XML序列化】：

優(yōu)點(diǎn)：

(1)、使用簡單、方便，無需關(guān)注要序列化的對象格式

(2)、可讀性較好，XML在業(yè)界比較通用，大家也習(xí)慣性在配置文件中看到XML的樣子

(3)、大量RPC框架都支持，通過XML可以直接形成文檔進(jìn)行傳閱

缺點(diǎn)：

(1)、在序列化和反序列化的性能上一直不是太好。

(2)、也有與JSON同樣的數(shù)據(jù)類型問題，和數(shù)據(jù)放大的問題，同時(shí)數(shù)據(jù)放大的問題更為嚴(yán)重，同時(shí)內(nèi)存拷貝次數(shù)也和JSON類型，不可避免。

XML數(shù)據(jù)放大說明：

XML的數(shù)據(jù)放大通常比JSON更為嚴(yán)重，以上面的JSON案例來講，XML傳遞這份數(shù)據(jù)通常會這樣傳：

<Msg>  
<userId>102333320132133</userId>  
<passportNumber>123456<passportNumber>  
<Msg> 

這個(gè)消息就有80+以上的字節(jié)了，如果XML里面再搞一些Property屬性，對象再嵌套嵌套，那么這個(gè)放大的比例有可能會達(dá)到10倍都是有可能的，因此它的放大比JSON更為嚴(yán)重，這也是為什么現(xiàn)在越來越多的API更加喜歡用JSON，而不是XML的原因。

【放大的問題是什么】：

(1)、花費(fèi)更多的時(shí)間去拼接字符串和拷貝內(nèi)存，占用更多的Java內(nèi)存，產(chǎn)生更多的碎片。

(2)、產(chǎn)生的JSON對象要轉(zhuǎn)為byte[]需要先轉(zhuǎn)成String文本再進(jìn)行byte[]編碼，因?yàn)檫@本身是文本協(xié)議，那么自然再多一次內(nèi)存全量的拷貝。

(3)、傳輸過程由于數(shù)據(jù)被放大，占用更大的網(wǎng)絡(luò)流量。

(4)、由于網(wǎng)絡(luò)的package變多了，所以TCP的ACK也會變多，自然系統(tǒng)也會更大，同等丟包率的情況下丟包數(shù)量會增加，整體傳輸時(shí)間會更長，如果這個(gè)數(shù)據(jù)傳送的網(wǎng)絡(luò)延遲很大且丟包率很高，我們要盡量降低大小;壓縮是一條途徑，但是壓縮會帶來巨大的CPU負(fù)載提高，在壓縮前盡量降低數(shù)據(jù)的放大是我們所期望的，然后傳送數(shù)據(jù)時(shí)根據(jù)RT和數(shù)據(jù)大小再判定是否壓縮，有必要的時(shí)候，壓縮前如果數(shù)據(jù)過大還可以進(jìn)行部分采樣數(shù)據(jù)壓縮測試壓縮率。

(5)、接收方要處理數(shù)據(jù)也會花費(fèi)更多的時(shí)間來處理。

(6)、由于是文本協(xié)議，在處理過程中會增加開銷，例如數(shù)字轉(zhuǎn)字符串，字符串轉(zhuǎn)數(shù)字;byte[]轉(zhuǎn)字符串，字符串轉(zhuǎn)byte[]都會增加額外的內(nèi)存和計(jì)算開銷。

不過由于在平時(shí)大量的應(yīng)用程序中，這個(gè)開銷相對業(yè)務(wù)邏輯來講簡直微不足道，所以優(yōu)化方面，這并不是我們關(guān)注的重點(diǎn)，但面臨一些特定的數(shù)據(jù)處理較多的場景，即核心業(yè)務(wù)在數(shù)據(jù)序列化和反序列化的時(shí)候，就要考慮這個(gè)問題了，那么下面我繼續(xù)討論問題。

此時(shí)提出點(diǎn)問題：

(1)、網(wǎng)絡(luò)傳遞是不是有更好的方案，如果有，為什么現(xiàn)在沒有大面積采用?

(2)、相對底層的數(shù)據(jù)通信，例如JDBC是如何做的，如果它像上面3種方案傳遞結(jié)果集，會怎么樣?

【二、MySQL JDBC數(shù)據(jù)傳遞方案】：

在前文中提到數(shù)據(jù)在序列化過程被放大數(shù)倍的問題，我們是否想看看一些相對底層的通信是否也是如此呢?那么我們以MySQL JDBC為例子來看看它與JDBC之間進(jìn)行通信是否也是如此。

JDBC驅(qū)動程序根據(jù)數(shù)據(jù)庫不同有很多實(shí)現(xiàn)，每一種數(shù)據(jù)庫實(shí)現(xiàn)細(xì)節(jié)上都有巨大的區(qū)別，本文以MySQL JDBC的數(shù)據(jù)解析為例(MySQL 8.0以前)，給大家說明它是如何傳遞數(shù)據(jù)的，而傳遞數(shù)據(jù)的過程中，相信大家最為關(guān)注的就是ResultSet的數(shù)據(jù)是如何傳遞的。

拋開結(jié)果集中的MetaData等基本信息，單看數(shù)據(jù)本身：

(1)JDBC會讀取數(shù)據(jù)行的時(shí)候，首先會從緩沖區(qū)讀取一個(gè)row packege，row package就是從網(wǎng)絡(luò)package中拿到的，根據(jù)協(xié)議中傳遞過來的package的頭部判定package大小，然后從網(wǎng)絡(luò)緩沖中讀取對應(yīng)大小的內(nèi)容，下圖想表達(dá)網(wǎng)絡(luò)傳遞的package和業(yè)務(wù)數(shù)據(jù)中的package之間可能并不是完全對應(yīng)的。另外，網(wǎng)絡(luò)中的package如果都到了本地緩沖區(qū)，邏輯上講它們是連續(xù)的(圖中故意分開是讓大家了解到網(wǎng)絡(luò)中傳遞是分不同的package傳遞到本地的)，JDBC從本地buffer讀取row package這個(gè)過程就是內(nèi)核package到JVM的package拷貝過程，對于我們Java來講，我們主要關(guān)注row package(JDBC中可能存在一些特殊情況讀取過來的package并不是行級別的，這種特殊情況請有興趣的同學(xué)自行查閱源碼)。 

(2)、單行數(shù)據(jù)除頭部外，就是body了，body部分包含各種各樣不同的數(shù)據(jù)類型，此時(shí)在body上放數(shù)據(jù)類型顯然是占空間的，所以數(shù)據(jù)類型是從metadata中提取的，body中數(shù)據(jù)列的順序?qū)蚼etdata中的列的順序保持一致。

(3)、MySQL詳細(xì)解析數(shù)據(jù)類型：

3.1、如果Metadata對應(yīng)數(shù)據(jù)發(fā)現(xiàn)是int、longint、tinyint、year、float、double等數(shù)據(jù)類型會按照定長字節(jié)數(shù)讀取，例如int自然按照4字節(jié)讀取，long會按照8字節(jié)讀取。

3.2、如果發(fā)現(xiàn)是其它的類型，例如varchar、binary、text等等會按照變長讀取。

3.3、變長字符串首先讀取1個(gè)字節(jié)標(biāo)志位。

3.4、如果這個(gè)標(biāo)志位的值小于等于250，則直接代表后續(xù)字節(jié)的長度(注意字符串在這里是算轉(zhuǎn)換為字節(jié)的長度)，這樣確保大部分業(yè)務(wù)中存放的變長字符串，在網(wǎng)絡(luò)傳遞過程中只需要1個(gè)字節(jié)的放大。

3.5、如果這個(gè)標(biāo)志位是：251，代表這個(gè)字段為NULL

3.6、如果標(biāo)志位是：252，代表需要2個(gè)字節(jié)代表字段的長度，此時(shí)加上標(biāo)志位就是3個(gè)字節(jié)，在65536以內(nèi)的長度的數(shù)據(jù)(64KB)，注意，這里會在轉(zhuǎn)成long的時(shí)候高位補(bǔ)0，所以2個(gè)字節(jié)可以填滿到65536，只需要放大3個(gè)字節(jié)來表示這個(gè)數(shù)據(jù)。

3.7、如果標(biāo)志位是：253，代表需要4個(gè)自己大表字段的長度，可以表示4GB(同上高位補(bǔ)0)，這樣的數(shù)據(jù)幾乎不會出現(xiàn)在數(shù)據(jù)庫里面，即使出現(xiàn)，只會出現(xiàn)5個(gè)字節(jié)的放大。

3.8、如果標(biāo)志位是：254，8個(gè)字節(jié)代表長度，此時(shí)沒有高位補(bǔ)0，最多可以讀取Long.MAX_VALUE的長度，但是這個(gè)空間目前不可能有內(nèi)存放得下，所以無需擔(dān)心使用問題，此時(shí)9個(gè)字節(jié)的放大，源碼如下圖： 

(4)、我們先按照這個(gè)理解，MySQL在傳遞數(shù)據(jù)的過程中，對數(shù)據(jù)的放大是很小很小的，是不是真的這樣呢?請下面第5點(diǎn)說明。

補(bǔ)充說明：

a、在MySQL JDBC中對于ResultSetRow數(shù)據(jù)的解析(除對MySQL 8.0以上JDBC版本)有2個(gè)實(shí)現(xiàn)類：BufferRow、ByteArrayRow，這兩種方式在讀取單行數(shù)據(jù)在解析這個(gè)階段是一樣的邏輯，只不過解析存放數(shù)據(jù)的方式有所不同，BufferRow一個(gè)會解析成數(shù)據(jù)行的byte[]，ByteArrayRow會解析成byte[][]二維數(shù)組，第二維就是每1個(gè)列的信息，這都是客戶端行為，與網(wǎng)絡(luò)傳遞數(shù)據(jù)的格式無關(guān)。(兩者在不同場景下使用，例如其中一種場景是：ByteArrayRow在游標(biāo)開啟UPDATE模式的時(shí)候會啟用，但這不是本文的重點(diǎn)，這里提到主要告知大家，無論哪一種方式，讀取數(shù)據(jù)的方式是一致的)

b、在MySQL JDBC中的RowData是ResultSet里面數(shù)據(jù)處理的入口，其實(shí)現(xiàn)類有3個(gè)：RowStatStatic、RowDataCursor、RowDataDynamic，這雖然有3個(gè)實(shí)現(xiàn)類，但是同樣不會影響數(shù)據(jù)的格式，它們只是從緩沖區(qū)讀取數(shù)據(jù)的方式有所不同：RowStatStatic、RowDataCursor會每次將緩沖區(qū)的數(shù)據(jù)全部讀取到JDBC當(dāng)中形成數(shù)組，RowDataCursor在處理上有一個(gè)區(qū)別在于數(shù)據(jù)庫每次返回的是FetchSize大小的數(shù)據(jù)內(nèi)容(實(shí)現(xiàn)的細(xì)節(jié)在上一篇文章中有提到);RowDataDynamic是需要行的時(shí)候再從pakcege中去讀，package讀取完成后就嘗試讀取下一個(gè)package。這些都不會影響數(shù)據(jù)本身在網(wǎng)絡(luò)上的傳遞格式，所以文本提到的解析是目前MySQL JDBC比較通用的解析，與它內(nèi)部的執(zhí)行路徑無關(guān)。

(5)、以BufferRow為例，當(dāng)你發(fā)起getString('xxx')、getDate(int)的時(shí)候，首先它需要在內(nèi)部找到是第幾個(gè)列(傳數(shù)字省略該動作)，然后其內(nèi)部會有一個(gè)lastRequestedIndex、lastRequestedPos分別記錄***讀取的第幾個(gè)字段和所在字節(jié)的位置，如果你傳入的index比這個(gè)index大，則從當(dāng)前位置開始，向后掃描，掃描規(guī)則和上面的數(shù)據(jù)庫寬度一致，找到對應(yīng)位置，拷貝出對應(yīng)的byte[]數(shù)組，轉(zhuǎn)換你要的對象類型。

PS：lastRequestedIndex、lastRequestedPos這種其實(shí)就是JDBC認(rèn)為你絕大部分情況是從前向后讀取的，因此這樣讀取對JDBC程序也是最友好的方案，否則指針向前移動，需要從0開始，理由很簡單(數(shù)據(jù)的長度不是在尾部，而是在頭部)，因此指針來回來回移動的時(shí)候，這樣會產(chǎn)生很多開銷，同時(shí)會產(chǎn)生更多的內(nèi)存拷貝出來的碎片。ByteArrayRow雖然可以解決這個(gè)問題，但是其本身會占用相對較大的空間另外，其內(nèi)部的二維數(shù)組返回的byte[]字節(jié)是可以被外部所修改的(因?yàn)闆]有拷貝)。

另外，按照這種讀取數(shù)據(jù)的方式，如果單行數(shù)據(jù)過大(例如有大字段100MB+)，讀取到Java內(nèi)存里面來，即使使用CursorFetch和Stream讀取，讀取幾十條數(shù)據(jù)，就能把JVM內(nèi)存干掛掉。到目前為止，我還沒看到MySQL里面可以“設(shè)置限制單行數(shù)據(jù)長度”的參數(shù)，后續(xù)估計(jì)官方支持這類特殊需求的可能性很小，大多也只能自己改源碼來實(shí)現(xiàn)。

【回到話題本身：MySQL和JDBC之間的通信似乎放大很小?】

其實(shí)不然，MySQL傳遞數(shù)據(jù)給JDBC默認(rèn)是走文本協(xié)議的，而不是Binary協(xié)議，雖然說它的byte[]數(shù)組不會像JSON那樣放大，并不算真正意義上的文本協(xié)議，但是它很多種數(shù)據(jù)類型默認(rèn)情況下，都是文本傳輸，例如一個(gè)上面提到的賬號：102333320132133在數(shù)據(jù)庫中是8個(gè)自己，但是網(wǎng)絡(luò)傳遞的時(shí)候如果有文本格式傳遞將會是：15個(gè)字節(jié)，如果是DateTime數(shù)據(jù)在數(shù)據(jù)庫中可以用8個(gè)字節(jié)存放，但是網(wǎng)絡(luò)傳遞如果按照YYYY-MM-DD HH:MI:SS傳遞，可以達(dá)到19個(gè)字節(jié)，而當(dāng)他們用String在網(wǎng)絡(luò)傳遞的時(shí)候，按照我們前面提到的，MySQL會將其當(dāng)成變長字符，因此會在數(shù)據(jù)頭部加上最少1個(gè)自己的標(biāo)志位。另外，這里增加不僅僅是幾個(gè)字節(jié)，而是你要取到真正的數(shù)據(jù)，接收方還需要進(jìn)一步計(jì)算處理才能得到，例如102333320132133用文本傳送后，接收方是需要將這個(gè)字符串轉(zhuǎn)換為long類型才能可以得到long的，大家試想一下你處理500萬數(shù)據(jù)，每一行數(shù)據(jù)有20個(gè)列，有大量的類似的處理不是開銷增加了特別多呢?

JDBC和MySQL之間可以通過binary協(xié)議來進(jìn)行通信的，也就是按照實(shí)際數(shù)字占用的空間大小來進(jìn)行通信，但是比較坑的時(shí)，MySQL目前開啟Binary協(xié)議的方案是：“開啟服務(wù)端prepareStatemet”，這個(gè)一旦開啟，會有一大堆的坑出來，尤其是在互聯(lián)網(wǎng)的編程中，我會在后續(xù)的文章中逐步闡述。

拋開“開啟binary協(xié)議的坑”，我們認(rèn)為MySQL JDBC在通信的過程中對數(shù)據(jù)的編碼還是很不錯(cuò)的，非常緊湊的編碼(當(dāng)然，如果你開啟了SSL訪問，那么數(shù)據(jù)又會被放大，而且加密后的數(shù)據(jù)基本很難壓縮)。

對比傳統(tǒng)的數(shù)據(jù)序列化優(yōu)劣勢匯總：

優(yōu)勢：

(1)、數(shù)據(jù)全部按照byte[]編碼后，由于緊湊編碼，所以對數(shù)據(jù)本身的放大很小。

(2)、由于編碼和解碼都沒有解析的過程，都是向ByteBuffer的尾部順序地寫，也就是說不用找位置，讀取的時(shí)候根據(jù)設(shè)計(jì)也可以減少找位置，即使找位置也是移動偏移量，非常高效。

(3)、如果傳遞多行數(shù)據(jù)，反序列化的過程不用像XML或JSON那樣一次要將整個(gè)傳遞過來的數(shù)據(jù)全部解析后再處理，試想一下，如果5000行、20列的結(jié)果集，會產(chǎn)生多少Java對象，每一個(gè)Java對象對數(shù)據(jù)本身的放大又是多少，采用字節(jié)傳遞后可以按需轉(zhuǎn)變?yōu)镴ava對象，使用完的Java對象可以釋放，這樣就不用同時(shí)占用那樣大的JVM內(nèi)存，而byte[]數(shù)組也只是數(shù)據(jù)本身的大小，也可以按需釋放。

(4)、相對前面提到的3種方式，例如JSON，它不需要在序列化和反序列化的時(shí)候要經(jīng)歷一次String的轉(zhuǎn)換，這樣會減少一次內(nèi)存拷貝。

(5)、自己寫代碼用類似的通信方案，可以在網(wǎng)絡(luò)優(yōu)化上做到***。

劣勢：

(1)、編碼是MySQL和MySQL JDBC之間自定義的，別人沒法用(我們可以參考別人的思路)

(2)、byte編碼和解碼過程程序員自己寫，對程序員水平和嚴(yán)謹(jǐn)性要求都很高，前期需要大量的測試，后期在網(wǎng)絡(luò)問題上考慮稍有偏差就可能出現(xiàn)不可預(yù)期的Bug。(所以在公司內(nèi)部需要把這些內(nèi)容進(jìn)行封裝，大部分程序員無需關(guān)注這個(gè)內(nèi)容)。

(3)、從內(nèi)存拷貝上來講，從rowBuffer到應(yīng)用中的數(shù)據(jù)，這一層內(nèi)存拷貝是無法避免的，如果你寫自定義程序，在必要的條件下，這個(gè)地方可以進(jìn)一步減少內(nèi)存拷貝，但無法杜絕;同上文中提到，這點(diǎn)開銷，對于整個(gè)應(yīng)用程序的業(yè)務(wù)處理來講，簡直微不足道。

為什么傳統(tǒng)通信協(xié)議不選擇這樣做：

(1)、參考劣勢中的3點(diǎn)。

(2)、傳統(tǒng)API通信，我們更講究快速、通用，也就是會經(jīng)常和不同團(tuán)隊(duì)乃至不同公司調(diào)試代碼，要設(shè)計(jì)binary協(xié)議，開發(fā)成本和調(diào)試成本非常高。

(3)、可讀性，對于業(yè)務(wù)代碼來講，byte[]的可讀性較差，尤其是對象嵌套的時(shí)候，byte[]表達(dá)的方式是很復(fù)雜的。

MySQL JDBC如果用binary協(xié)議后，數(shù)據(jù)的緊湊性是不是達(dá)到***了呢?

按照一般的理解，就是達(dá)到***了，所有數(shù)據(jù)都不會進(jìn)一步放大，int就只用4個(gè)字節(jié)傳遞，long就只用8個(gè)字節(jié)傳遞，那么還能繼續(xù)變小，難道壓縮來做?

非也、非也，在二進(jìn)制的世界里，如果你探究細(xì)節(jié)，還有更多比較神奇的東西，下面我們來探討一下：

例如：

long id = 1L; 

此時(shí)網(wǎng)絡(luò)傳遞的時(shí)候會使用8個(gè)字節(jié)來方，大家可以看下8個(gè)字節(jié)的排布： 

我們先不考慮按照bit有31個(gè)bit是0，先按照字節(jié)來看有7個(gè)0，代表字節(jié)沒有數(shù)據(jù)，只有1個(gè)字節(jié)是有值的，大家可以去看一下自己的數(shù)據(jù)庫中大量的自動增長列，在id小于4194303之前，前面5個(gè)字節(jié)是浪費(fèi)掉的，在增長到4個(gè)字節(jié)(2的32次方-1)之前前面4個(gè)自己都是0，浪費(fèi)掉的。另外，即使8個(gè)字節(jié)中的***個(gè)字節(jié)開始使用，也會有大量的數(shù)據(jù)，中間字節(jié)是為：0的概率極高，就像十進(jìn)制中進(jìn)入1億，那么1億下面最多會有8個(gè)0，越高位的0約難補(bǔ)充上去。

如果真的想去嘗試，可以用這個(gè)辦法：用1個(gè)字節(jié)來做標(biāo)志，但會占用一定的計(jì)算開銷，所以是否為了這個(gè)空間去做這個(gè)事情，由你決定，本文僅僅是技術(shù)性探討：

方法1：表達(dá)目前有幾個(gè)低位被使用的字節(jié)數(shù)，由于long只有8個(gè)字節(jié)，所以用3個(gè)bit就夠了，另外5個(gè)bit是浪費(fèi)掉的，也無所謂了，反序列化的時(shí)候按照高位數(shù)量補(bǔ)充0x00即可。

方法2：相對方法1，更徹底，但處理起來更復(fù)雜，用1這個(gè)字節(jié)的8個(gè)bit的0、1分別代表long的8個(gè)字節(jié)是被使用，序列化和反序列化過程根據(jù)標(biāo)志位和數(shù)據(jù)本身進(jìn)行字節(jié)補(bǔ)0x00操作，補(bǔ)充完整8個(gè)字節(jié)就是long的值了，最壞情況是9個(gè)字節(jié)代表long，***情況0是1個(gè)字節(jié)，字節(jié)中只占用了2個(gè)字節(jié)的時(shí)候，即使數(shù)據(jù)變得相當(dāng)大，也會有大量的數(shù)據(jù)的字節(jié)存在空位的情況，在這些情況下，就通常可以用少于8個(gè)字節(jié)的情況來表達(dá)，要用滿7個(gè)字節(jié)才能夠與原數(shù)字long的占用空間一樣，此時(shí)的數(shù)據(jù)已經(jīng)是比2的48次方-1更大的數(shù)據(jù)了。

【三、Google Protocol Buffer技術(shù)方案】：

這個(gè)對于很多人來講未必用過，也不知道它是用來干什么的，不過我不得不說，它是目前數(shù)據(jù)序列化和反序列化的一個(gè)神器，這個(gè)東西是在谷歌內(nèi)部為了約定好自己內(nèi)部的數(shù)據(jù)通信設(shè)計(jì)出來的，大家都知道谷歌的全球網(wǎng)絡(luò)非常牛逼，那么自然在數(shù)據(jù)傳輸方面做得那是相當(dāng)***，在這里我會講解下它的原理，就本身其使用請大家查閱其它人的博客，本文篇幅所限沒法step by step進(jìn)行講解。

看到這個(gè)名字，應(yīng)該知道是協(xié)議Buffer，或者是協(xié)議編碼，其目的和上文中提到的用JSON、XML用來進(jìn)行RPC調(diào)用類似，就是系統(tǒng)之間傳遞消息或調(diào)用API。但是谷歌一方面為了達(dá)到類似于XML、JSON的可讀性和跨語言的通用性，另一方面又希望達(dá)到較高的序列化和反序列化性能，數(shù)據(jù)放大能夠進(jìn)行控制，所以它又希望有一種比底層編碼更容易使用，而又可以使用底層編碼的方式，又具備文檔的可讀性能力。

它首先需要定義一個(gè)格式文件，如下：

syntax = "proto2";  
package com.xxx.proto.buffer.test;  
message TestData2 {  
optional int32 id = 2;  
optional int64 longId = 1;  
optional bool boolValue = 3;  
optional string name = 4;  
optional bytes bytesValue = 5;  
optional int32 id2 = 6;  
} 

這個(gè)文件不是Java文件，也不是C文件，和語言無關(guān)，通常把它的后綴命名為proto(文件中1、2、3數(shù)字代表序列化的順序，反序列化也會按照這個(gè)順序來做)，然后本地安裝了protobuf后(不同OS安裝方式不同，在官方有下載和說明)，會產(chǎn)生一個(gè)protoc運(yùn)行文件，將其加入環(huán)境變量后，運(yùn)行命令指定一個(gè)目標(biāo)目錄:

protoc --java_out=~/temp/ TestData2.proto 

此時(shí)會在指定的目錄下，產(chǎn)生package所描述的目錄，在其目錄內(nèi)部有1個(gè)Java源文件(其它語言的會產(chǎn)生其它語言)，這部分代碼是谷歌幫你生成的，你自己寫的話太費(fèi)勁，所以谷歌就幫你干了;本地的Java project里面要引入protobuf包，maven引用(版本自行選擇)：

<dependency>  
<groupId>com.google.protobuf</groupId>  
<artifactId>protobuf-java</artifactId>  
<version>3.6.1</version>  
</dependency> 

此時(shí)生成的代碼會調(diào)用這個(gè)谷歌包里面提供的方法庫來做序列化動作，我們的代碼只需要調(diào)用生成的這個(gè)類里面的API就可以做序列化和反序列化操作了，將這些生成的文件放在一個(gè)模塊里面發(fā)布到maven倉庫別人就可以引用了，關(guān)于測試代碼本身，大家可以參考目前有很多博客有提供測試代碼，還是很好用的。

谷歌編碼比較神奇的是，你可以按照對象的方式定義傳輸數(shù)據(jù)的格式，可讀性極高，甚至于相對XML和JSON更適合程序員閱讀，也可以作為交流文檔，不同語言都通用，定義的對象還是可以嵌套的，但是它序列化出來的字節(jié)比原始數(shù)據(jù)只大一點(diǎn)點(diǎn)，這尼瑪太厲害了吧。

經(jīng)過測試不同的數(shù)據(jù)類型，故意制造數(shù)據(jù)嵌套的層數(shù)，進(jìn)行二進(jìn)制數(shù)組多層嵌套，發(fā)現(xiàn)其數(shù)據(jù)放大的比例非常非常小，幾乎可以等價(jià)于二進(jìn)制傳輸，于是我把序列化后的數(shù)據(jù)其二進(jìn)制進(jìn)行了輸出，發(fā)現(xiàn)其編碼方式非常接近于上面的JDBC，雖然有一些細(xì)節(jié)上的區(qū)別，但是非常接近，除此之外，它在序列化的時(shí)候有幾大特征：

(1)、如果字段為空，它不會產(chǎn)生任何字節(jié)，如果整合對象的屬性都為null，產(chǎn)生的字節(jié)將是0

(2)、對int32、int64這些數(shù)據(jù)采用了變長編碼，其思路和我們上面描述有一些共通之處，就是一個(gè)int64值在比較小的時(shí)候用比較少的字節(jié)就可以表達(dá)了，其內(nèi)部有一套字節(jié)的移位和異或算法來處理這個(gè)事情。

(3)、它對字符串、byte[]沒有做任何轉(zhuǎn)換，直接放入字節(jié)數(shù)組，和二進(jìn)制編碼是差不多的道理。

(4)、由于字段為空它都可以不做任何字節(jié)，它的做法是有數(shù)據(jù)的地方會有一個(gè)位置編碼信息，大家可以嘗試通過調(diào)整數(shù)字順序看看生成出來的byte是否會發(fā)生改變;那么此時(shí)它就有了很強(qiáng)兼容性，也就是普通的加字段是沒問題的，這個(gè)對于普通的二進(jìn)制編碼來講很難做到。

(5)、序列化過程沒有產(chǎn)生metadata信息，也就是它不會把對象的結(jié)構(gòu)寫在字節(jié)里面，而是反序列化的接收方有同一個(gè)對象，就可以反解析出來了。

這與我自己寫編碼有何區(qū)別?

(1)、自己寫編碼有很多不確定性，寫不好的話，數(shù)據(jù)可能放得更大，也容易出錯(cuò)。

(2)、google的工程師把內(nèi)部規(guī)范后，谷歌開源的產(chǎn)品也大量使用這樣的通信協(xié)議，越來越多的業(yè)界中間件產(chǎn)品開始使用該方案，就連MySQL數(shù)據(jù)庫***版本在數(shù)據(jù)傳輸方面也會開始兼容protobuf。

(3)、谷歌相當(dāng)于開始在定義一個(gè)業(yè)界的新的數(shù)據(jù)傳輸方案，即有性能又降低代碼研發(fā)的難度，也有跨語言訪問的能力，所以才會有越來越多的人喜歡使用這個(gè)東西。

那么它有什么缺點(diǎn)呢?還真不多，它基本兼顧了很多序列化和反序列化中你需要考慮的所有的事情，達(dá)到了一種非常良好的平衡，但是硬要挑缺陷，我們就得找場景才行：

(1)、protobuf需要雙方明確數(shù)據(jù)類型，且定義的文件中每一個(gè)對象要明確數(shù)據(jù)類型，對于Object類型的表達(dá)沒有方案，你自己必須提前預(yù)知這個(gè)Object到底是什么類型。

(2)、使用repeated可以表達(dá)數(shù)組，但是只能表達(dá)相同類型的數(shù)據(jù)，例如上面提到的JDBC一行數(shù)據(jù)的多個(gè)列數(shù)據(jù)類型不同的時(shí)候，要用這個(gè)表達(dá)，會比較麻煩;另外，默認(rèn)情況下數(shù)組只能表達(dá)1維數(shù)組，要表達(dá)二維數(shù)組，需要使用對象嵌套來間接完成。

(3)、它提供的數(shù)據(jù)類型都是基本數(shù)據(jù)類型，如果不是普通類型，要自己想辦法轉(zhuǎn)換為普通類型進(jìn)行傳輸，例如從MongoDB查處一個(gè)Docment對象，這個(gè)對象序列化是需要自己先通過別的方式轉(zhuǎn)換為byte[]或String放進(jìn)去的，而相對XML、JSON普通是提供了遞歸的功能，但是如果protobuf要提供這個(gè)功能，必然會面臨數(shù)據(jù)放大的問題，通用和性能永遠(yuǎn)是矛盾的。

(4)、相對于自定義byte的話，序列化和反序列化是一次性完成，不能逐步完成，這樣如果傳遞數(shù)組嵌套，在反序列化的時(shí)候會產(chǎn)生大量的Java對象，另外自定義byte的話可以進(jìn)一步減少內(nèi)存拷貝，不過谷歌這個(gè)相對文本協(xié)議來講內(nèi)存拷貝已經(jīng)少很多了。

補(bǔ)充說明：

在第2點(diǎn)中提到repeated表達(dá)的數(shù)組，每一個(gè)元素必須是同類型的，無法直接表達(dá)不同類型的元素，因?yàn)樗鼪]有像Java那樣Object[]這樣的數(shù)組，這樣它即使通過本地判定Object的類型傳遞了，反序列化會很麻煩，因?yàn)榻邮辗揭膊恢罃?shù)據(jù)是什么類型，而protobuf網(wǎng)絡(luò)傳遞數(shù)據(jù)是沒有metadata傳遞的，那么判定唯一的地方就是在客戶端自己根據(jù)業(yè)務(wù)需要進(jìn)行傳遞。

因此，如果真的有必要的話，可以用List。

總之，每一種序列化和反序列化方案目前都有應(yīng)用場景，它們在設(shè)計(jì)之初決定了架構(gòu)，也將決定了最終的性能、穩(wěn)定性、系統(tǒng)開銷、網(wǎng)絡(luò)傳輸大小等等。