轉載自:http://www.race604.com/flatbuffers-intro/
1. 背景
最近在項目中需要使用一種高效數據序列化的工具。碰巧在幾篇文章中都提到了FlatBuffers 這個庫。特別是 Android 性能優(yōu)化典范第四季1中兩個對比圖，讓我對它產生濃厚的興趣。如下：
（注：圖片來自1）
可見，FlatBuffers 幾乎從空間和時間復雜度上完勝其他技術，我決定詳細調研一下此技術。
FlatBuffers 是一個開源的跨平臺數據序列化庫，可以應用到幾乎任何語言（C++, C#, Go, Java, JavaScript, PHP, Python），最開始是 Google 為游戲或者其他對性能要求很高的應用開發(fā)的。項目地址在 GitHub 上。官方的文檔在 這里。
本文將介紹一下我使用 FlatBuffers 的一些感受，希望對想要了解或者使用 FlatBuffers 的同學有一點幫組。
2. FlatBuffer 的優(yōu)點
FlatBuffer 相對于其他序列化技術，例如 XML，JSON，Protocol Buffers 等，有哪些優(yōu)勢呢？官方文檔的說法如下：
- 直接讀取序列化數據，而不需要解析（Parsing）或者解包（Unpacking）：FlatBuffer 把數據層級結構保存在一個扁平化的二進制緩存（一維數組）中，同時能夠保持直接獲取里面的結構化數據，而不需要解析，并且還能保證數據結構變化的前后向兼容。
- 高效的內存使用和速度：FlatBuffer 使用過程中，不需要額外的內存，幾乎接近原始數據在內存中的大小。
- 靈活：數據能夠前后向兼容，并且能夠靈活控制你的數據結構。
- 很少的代碼侵入性：使用少量的自動生成的代碼即可實現。
- 強數據類性，易于使用，跨平臺，幾乎語言無關。
官方提供了一個性能對比表如下：
（注：來自 官方文檔）
在做 Android 開發(fā)的時候，JSON 是最常用的數據序列化技術。我們知道，JSON 的可讀性很強，但是序列化和反序列化性能卻是最差的。解析的時候，JSON 解析器首先，需要在內存中初始化一個對應的數據結構，這個事件經常會消耗 100ms ~ 200ms2；解析過程中，要產生大量的臨時變量，造成 Java 虛擬機的 GC 和內存抖動，解析 20KB 的數據，大概會消耗 100KB 的臨時內存2。FlatBuffers 就解決了這些問題。
3. 使用方法
簡單來說，FlatBuffers 的使用方法是，首先按照使用特定的 IDL 定義數據結構 schema，然后使用編譯工具 flatc 編譯 schema 生成對應的代碼，把生成的代碼應用到工程中即可。下面詳細介紹每一步。
首先，我們需要得到 flatc，這個需要從源碼編輯得到。從 GitHub 上 Clone 代碼，
$ git clone https://github.com/google/flatbuffers
在 Mac 上，使用 Xcode 直接打開 build/Xcode/ 里面項目文件，編譯運行，即可在項目根目錄生成我們需要的 flatc 工具。也可以使用 cmake 編輯，例如在 Linux 上，運行如下命令即可：
$ cmake -G "Unix Makefiles"
$ make
首先要使用 FlatBuffers 的 IDL 定義好數據結構 Schema，編寫 Schema 的詳細文檔在 這里。其語法和 C 語言類似，比較容易上手。我們這里引用一個簡單的例子2，假設數據結構如下：
class Person {
String name;
int friendshipStatus;
Person spouse;
List<Person>friends;
}
編寫成 Schema 如下，文件名為 Person.fbs：
// Person schema
namespace com.race604.fbs;
enum FriendshipStatus: int {Friend = 1, NotFriend}
table Person {
name: string;
friendshipStatus: FriendshipStatus = Friend;
spouse: Person;
friends: [Person];
}
root_type Person;
然后，使用 flatc 可以把 Schema 編譯成多種編程語言，我們僅僅討論 Android 平臺，所以把 Schema 編譯成 Java，命令如下：
$ ./flatc --java Person.fbs
在當前目錄生成如下文件：
.
└── com
└── race604
└── fbs
├── FriendshipStatus.java
└── Person.java
Person 類有響應的函數直接獲取其內部的屬性值，使用非常簡單：
Person person =
;
// 獲取普通成員
String name = person.name();
int friendshipStatus = person.friendshipStatus();
// 獲取數組
int length = person.friendsLength()
for (
int i = 0; i < length; i++) {
Person friends = person.friends(i);
}
下面我們來構建一個 Person 對象，名字是 "John"，其配偶（spouse）是 "Mary"，還有兩個朋友，分別是 "Dave" 和 "Tom"，實現如下：
private ByteBuffer createPerson() {
FlatBufferBuilder builder = new FlatBufferBuilder(0);
int spouseName = builder.createString("Mary");
int spouse = Person.createPerson(builder, spouseName, FriendshipStatus.Friend, 0, 0);
int friendDave = Person.createPerson(builder, builder.createString("Dave"),
FriendshipStatus.Friend, 0, 0);
int friendTom = Person.createPerson(builder, builder.createString("Tom"),
FriendshipStatus.Friend, 0, 0);
int name = builder.createString("John");
int[] friendsArr = new int[]{ friendDave, friendTom };
int friends = Person.createFriendsVector(builder, friendsArr);
Person.startPerson(builder);
Person.addName(builder, name);
Person.addSpouse(builder, spouse);
Person.addFriends(builder, friends);
Person.addFriendshipStatus(builder, FriendshipStatus.NotFriend);
int john = Person.endPerson(builder);
builder.finish(john);
return builder.dataBuffer();
}
基本方法就是通過 FlatBufferBuilder 工具，往里面填寫數據，詳細的寫法可以參考官方文檔3。可見，其實寫法略顯繁瑣，不太直觀。
4. 基本原理
如官方文檔的介紹，FlatBuffers 就像它的名字所表示的一樣，就是把結構化的對象，用一個扁平化（Flat）的緩沖區(qū)保存，簡單的來說就是把內存對象數據，保存在一個一維的數組中。借用 Facebook 文章2的一張圖如下：
可見，FlatBuffers 保存在一個 byte 數組中，有一個“支點”指針（pivot point）以此為界，存儲的內容分為兩個部分：元數據和數據內容。其中元數據部分就是數據在前面，其長度等于對象中的字段數量，每個 byte 保存對應字段內容在數組中的索引（從支點位置開始計算）。
如圖，上面的 Person 對象第一個字段是 name，其值的索引位置是 1，所以從索引位置 1 開始的字符串，就是 name 字段的值 "John"。第二個字段是 friendshipStatus，其索引值是 6，找到值為 2， 表示 NotFriend。第三個字段是 spouse，也一個 Person 對象，索引值是 12，指向的是此對象的支點位置。第四個字段是一個數組，圖中表示的數組為空，所以索引值是 0。
通過上面的解析，可以看出，FlatBuffers 通過自己分配和管理對象的存儲，使對象在內存中就是線性結構化的，直接可以把內存內容保存或者發(fā)送出去，加載“解析”數據只需要把 byte 數組加載到內存中即可，不需要任何解析，也不產生任何中間變量。
它與具體的機器或者運行環(huán)境無關，例如在 Java 中，對象內的內存不依賴 Java 虛擬機的堆內存分配策略實現，所以也是跨平臺的。
5. 使用建議
通過前面的體驗，FlatBuffers 幾乎秒殺了 JSON，我也嘗試使用到現在的項目中，但是最后還是放棄了，下面說說 FlatBuffers 的幾點缺點：
- FlatBuffers 需要生成代碼，對代碼有侵入性；
- 數據序列化沒有可讀性，不方便 Debug；
- 構建 FlatBuffers 對象比較麻煩，不直觀，特別是如果對象比較復雜情況下需要寫大段的代碼；
- 數據的所有內容需要使用 Schema 嚴格定義，靈活性不如 JSON。
我最后在項目中放棄是因為上面的第 4 點，因為在我的項目中，數據結構變化很大，不方便使用 Schema 完全定義。話又說回來，FlatBuffers 這么多好處，還是很吸引我的，可能會在其他的項目中嘗試。
所以，在什么情況下選擇使用 FlatBuffers 呢？個人感覺需要滿足以下幾點：
- 項目中有大量數據傳輸和解析，使用 JSON 成為了性能瓶頸；
- 穩(wěn)定的數據結構定義。
參考資料：