利用Kettle+FineBI+MySQL构建电商运营分析报表可视化平台视频教程
5544 人在学
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
共29节 · 2小时35分钟
利用Kettle+FineBI+MySQL构建电商运营分析报表可视化平台视频教程
¥238.005544人在学
共51节 · 25小时56分钟
ETL开发-Informatica9.6.1入门到熟练视频教程
¥598.009605人在学
共11节 · 4小时43分钟
¥398.006634人在学
共56节 · 15小时30分钟
¥99.006488人在学