使用 FlatBuffers 提高反序列化性能

　　FlatBuffers 和 Protobuf 一样具有数据不可读性，必须进行数据解析后才能可视化数据。但是相比其它的序列化工具，FlatBuffers最大的优势是反序列化速度极快，或者说无需解码。

　　最近一直在寻找一个性能和资源占用兼具的序列化和反序列化工具，大多组织都是采用的 JSON， JSON 可以做到数据的前后兼容，并且更容易让人理解和可视化，但 JSON 的性能相对更差，自身的元数据也会占用更多的存储空间。 

　　根据官网介绍FlatBuffers是一个高效的、跨平台的序列化组件，保证数据向前向后兼容性，支持多种编程语言，是专门为游戏开发和其他性能关键的应用而开发的。它与Protobuf确实比较相似，最主要的区别就是，FlatBuffers并不需要一个转换/解包的步骤就可以获取原数据。

　　比如在游戏场景下的网络通信中，玩家往往是对延迟非常敏感的(尤其是在FPS，Moba类游戏中)，抛去网络本身的网络延迟不谈，如果能够降低数据解析(反序列化)的延迟，就能降低玩家操作的延迟感，提升游戏体验。

　　fb 到底能比 pb 快多少?

　　我自己做了一个测试，结果如下：fb的序列化要略慢于pb的序列化，但是fb的反序列化要远远超过pb的反序列化。

　　复制

　　1. Benchmark Mode Cnt Score Error Units

　　2. c.s.fb.SampleTest.deserialize thrpt 5 84352854.022 ± 4278679.805 ops/s

　　3. c.s.fb.SampleTest.serialize thrpt 5 316259.628 ± 2395.626 ops/s

　　4. c.s.pb.SampleTest.deserialize thrpt 5 1407501.471 ± 221477.754 ops/s

　　5. c.s.pb.SampleTest.serialize thrpt 5 396038.869 ± 81730.806 ops/s

　　测试过程很简单，主要分为序列化和反序列化两部分，序列化比较简单，直接使用jmh执行即可;反序列化首先需要把相应序列化的二进制数据写入文件，静态读取二进制文件数据，进行反序列化操作。

　　pb文件

　　复制

　　1. syntax = "proto2";

      2. 

　　3. package com.test.pb;

      4.

　　5. option java_outer_classname = "SampleProto";

      6.

　　7. message Sample {

　　8. optional uint32 intData = 1;

　　9. // 数据消息

　　10. optional uint64 longData = 2;

　　11. // string数据

　　12. optional string str1 = 3;

　　13. optional string str2 = 4;

　　14. optional string str3 = 5;

　　15. optional string str4 = 6;

　　16. optional string str5 = 7;

　　17. optional string str6 = 8;

　　18. optional string str7 = 9;

　　19. optional string str8 = 10;

　　20. // 数组

　　21. repeated string person = 11;

　　22. }

　　pb序列化

　　复制

　　1. @Benchmark

　　2. public static byte[] serialize() {

　　3. SampleProto.Sample.Builder builder = SampleProto.Sample.newBuilder();

　　4. List list = new ArrayList<>();

　　5. for (int i = 0; i < 20; i++) {

　　6. list.add("中国经济复苏+" + i);

　　7. }

　　8. byte[] bytes = builder.setIntData(100).setLongData(System.currentTimeMillis())

　　9. .setStr1("306bb851-9a0a-4b07-b22b-7ff49a2a60e1")

　　10. .setStr2("306bb851-9a0a-4b07-b22b-7ff49a2a60e2")

　　11. .setStr3("306bb851-9a0a-4b07-b22b-7ff49a2a60e3")

　　12. .setStr4("306bb851-9a0a-4b07-b22b-7ff49a2a60e4")

　　13. .setStr5("306bb851-9a0a-4b07-b22b-7ff49a2a60e5")

　　14. .setStr6("306bb851-9a0a-4b07-b22b-7ff49a2a60e6")

　　15. .setStr7("306bb851-9a0a-4b07-b22b-7ff49a2a60e7")

　　16. .setStr8("306bb851-9a0a-4b07-b22b-7ff49a2a60e8")

　　17. .addAllPerson(list).build().toByteArray();

　　18. return bytes;

      19.

　　20. }

　　pb反序列化

　　复制

　　1. @Benchmark

　　2. public static SampleProto.Sample deserialize() throws InvalidProtocolBufferException {

　　3. SampleProto.Sample builder = SampleProto.Sample.parseFrom(bytes);

　　4. return builder;

　　5. }

　　fb 文件

　　复制

　　1. // 指定生成消息类的Java包

　　2. namespace com.test.fb;

      3.

　　4. // 消息

　　5. table Sample {

　　6. // int32数据

　　7. intData:int;

　　8. // 数据消息

　　9. longData:float;

　　10. // string数据

　　11. str1:string;

　　12. str2:string;

　　13. str3:string;

　　14. str4:string;

　　15. str5:string;

　　16. str6:string;

　　17. str7:string;

　　18. str8:string;

　　19. // 数组

　　20. person:[string];

　　21. }

　　fb序列化

　　复制

　　1. @Benchmark

　　2. public static byte[] serialize() {

　　3. FlatBufferBuilder flatBufferBuilder = new FlatBufferBuilder();

      4.

　　5. int str1 = flatBufferBuilder.createString("306bb851-9a0a-4b07-b22b-7ff49a2a60e0");

　　6. int str2 = flatBufferBuilder.createString("306bb851-9a0a-4b07-b22b-7ff49a2a60e1");

　　7. int str3 = flatBufferBuilder.createString("306bb851-9a0a-4b07-b22b-7ff49a2a60e2");

　　8. int str4 = flatBufferBuilder.createString("306bb851-9a0a-4b07-b22b-7ff49a2a60e3");

　　9. int str5 = flatBufferBuilder.createString("306bb851-9a0a-4b07-b22b-7ff49a2a60e4");

　　10. int str6 = flatBufferBuilder.createString("306bb851-9a0a-4b07-b22b-7ff49a2a60e5");

　　11. int str7 = flatBufferBuilder.createString("306bb851-9a0a-4b07-b22b-7ff49a2a60e6");

　　12. int str8 = flatBufferBuilder.createString("306bb851-9a0a-4b07-b22b-7ff49a2a60e7");

　　13. int[] index = new int[20];

　　14. for (int i = 0; i < 20; i++) {

　　15. index[i] = flatBufferBuilder.createString("中国经济复苏+" + i);

　　16. }

　　17. int vectorOfTables = flatBufferBuilder.createVectorOfTables(index);

　　18. int sample = Sample.createSample(flatBufferBuilder, 100, System.currentTimeMillis(),

　　19. str1, str2, str3, str4, str5, str6, str7, str8, vectorOfTables);

　　20. flatBufferBuilder.finish(sample);

　　21. return flatBufferBuilder.sizedByteArray();

　　22. }

　　fb反序列化

　　复制

　　1. @Benchmark

　　2. public static Sample deserialize() {

　　3. return Sample.getRootAsSample(ByteBuffer.wrap(bytes));

　　4. }

　　以上数据生成的二进制文件， pb 大小为 0.763kb，fb 大小为 1.076kb，fb 的存储占用高出了将近 29%，当然如果是纯数字 pb

　　还会进一步压缩。

　　为什么 fb 的反序列化速度这么快?

　　要搞清楚反序列化快的原因，就得弄明白序列化的过程，因为反序列化是序列化的逆向操作。

　　FlatBuffers 把对象数据，保存在一个一维的数组中，将数据都缓存在一个 ByteBuffer

　　中，每个对象在数组中被分为两部分。元数据部分：负责存放索引。真实数据部分：存放实际的值。然而 FlatBuffers

　　与大多数内存中的数据结构不同，它使用严格的对齐规则和字节顺序来确保 buffer 是跨平台的。此外，对于 table 对象，FlatBuffers

　　提供前向/后向兼容性和 optional

　　字段，以支持大多数格式的演变。除了解析效率以外，二进制格式还带来了另一个优势，数据的二进制表示通常更具有效率。我们可以使用 4 字节的 UInt 而不是 10

　　个字符来存储 10 位数字的整数。

 

　　FlatBuffers 对序列化基本使用原则：

　　小端模式。FlatBuffers对各种基本数据的存储都是按照小端模式来进行的，因为这种模式目前和大部分处理器的存储模式是一致的，可以加快数据读写的数据。

　　写入数据方向和读取数据方向不同。

　　简单来说， fb 在进行数据序列化的过程中，已经记录了数据的位置和偏移量。这也是序列化后的数据要略大于 pb 的原因。

　　FlatBuffers 反序列化的过程就很简单了。由于序列化的时候保存好了各个字段的 offset，反序列化的过程其实就是把数据从指定的 offset 中读取出来。

　　整个反序列化的过程零拷贝，不消耗占用任何内存资源。并且 FlatBuffers 可以读取任意字段，而不是像 Json 和 Protobuf需要读取整个对象以后才能获取某个字段。FlatBuffers 的主要优势就在反序列化这里了。所以 FlatBuffers可以做到解码速度极快，或者说无需解码直接读取。

　　总结

　　FlatBuffers 和 Protobuf 一样具有数据不可读性，必须进行数据解析后才能可视化数据。但是相比其它的序列化工具，FlatBuffers最大的优势是反序列化速度极快，或者说无需解码。如果使用场景是需要经常解码序列化的数据，则有可能从 FlatBuffers 的特性中获得巨大收益。

　　来源： 云原生技术爱好者社区

  　　>>>>>>点击进入大数据专题