下载安卓APP箭头
箭头给我发消息

客服QQ:3315713922

使用 FlatBuffers 提高反序列化性能

作者:匿名     来源: 大数据点击数:915发布时间: 2022-06-17 21:47:30

标签: FlatBuffer数据可视化

  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

赞(8)
踩(0)
分享到:
华为认证网络工程师 HCIE直播课视频教程