关于protobuf的一些总结

最近面试中被问protobuf的加解码原理，非常的尴尬，因为我没了解过，这里稍作总结

proto文件

每一个proto文件其实对应着我们正常的一个模型（也就是model），只是proto文件是用来描述这样的一个模型的文件，并非实际上的工程model。
举个例子，文件Person.proto:

message Person{
	required int32 id = 1;
	optional string query = 2;
}

来看看这个文件，proto使用message表示一个消息格式，类似于一般编程语言中的class，struct。

• Person 描述模型的名称
• id 和 query描述字段名称
• int32 和s tring用来描述字段类型
• 1 和 2用来解码时标志对应的字段，
• required和optional表示字段的规则

proto使用流程

这里就不介绍使用方式了，简单说一下proto文件的使用流程，为下面讲解编解码原理做一下铺垫

1. 编写proto文件
2. 使用工具将proto文件转成对应语言的model文件（Person.proto->Person.swift）
3. 安装google提供的三方库protobuf
4. 调用转换出来的Person.swift文件中的encode和decode方法完成编解码等各类工作

protobuf编解码

接下来讲一下重点的内容

protobuf中整型数据的编码

protobuf中采用Varints编码对整型数据进行编码,经过Varints编码后的数据，它的每一个字节的高位是一个标记位。如果标记位是1，则代表下一个字节仍然是当前整型数据的组成；如果标记位是0，则代表当前数据结束了。
举个例子：

->00000001  表示数字1，因为首位是标记为表示只需要当前字节就能表示数据了，后七位就是这个值
->10101100 00000010   表示数字300，为什么，首先看两个字节的最高位，1和0，1表示该下一个字节还是属于这个数字的一部分，0表示这个数据到此子节表示结束，因此真实的数据是0101100 0000010 由于采用的是小端序，所以实际计算位0000010 0101100为  256+32+8+4 = 300

还有负数编码，因为负数采用补码，比如-1，表示成11111111，会导致每次数值都需要字节拉满才能表示的了（用Variant编码），所以对于负数protobuf采用ZigZag编码公式编码以后再使用Varint编码。

protobuf整体的编码

protobuf的消息是经过编码序列化的一系列key-value对，一个类型的数据对应一个key-value。value就是原始数据经过编码后的数据，而key由field number和wire type组成。其中field number是指.proto文件中定义的数据变量的field值（也就是前面proto格式中的1和2）。wire type用于区分字段值的类型（用于区分string，int32）
即：

wire_type	type
0	int32、int64、uint32、uint64、sint32、sint64、bool、enum
1	fixed、sfixed64、double
2	string、bytes、embedded、messages、packed repeated fields

举个例子：

key = (field_number << 3) | wire_type
比如00001000,后三位表示wiretype = 0,前五位使用Varint编码，因此field number为1，也就是id这个字段
如果我们给id设置一个值150，那么对应的编码就是
08 96 01
-> 00001000 10010110 00000001
-> wiretype = 0,field number为1即字段为id以及 0000001 0010110 = 128+16+4+2 =150

protobuf中字符串的编码

字符串本身使用UTF8编码，整个字符串字段使用key-len-value形式存储，

protobuf中嵌套消息的编码

类似于字符串，采用key-len-value来存储，len表示该字段对应的消息所需要的消息长度

归总

相对来说protobuf跟json的编码完全不同，一个编码到字符，一个编码到字节，因此速度和数据量上有一个质的飞跃