FlatBuffers简介
FlatBuffers是Google开源的一个跨平台的、高效的、提供了C /Java接口的序列化工具库，它是Google专门为游戏开发或其他性能敏感的应用程序需求而创建。尤其适用移动，嵌入式平台，这些平台在内存大小及带宽相比桌面系统都是受限的，而应用程序比如游戏又有更高的性能要求。它将序列化数据存储在缓存中，这些数据既可以存储在文件中，又可以通过网络原样传输，而不需要任何解析开销。以下是项目地址： 代码托管主页：https://github.com/google/flatbuffers； 项目介绍主页：http://google.github.io/flatbuffers/index.html；
FlatBuffers优势
相比传统的JSON和Protocol Buffers等序列化工具，FlatBuffers具有如下的一些优点：
- 不需要解析/拆包就可以访问序列化数据：FlatBuffers与其他库不同之处就在于它使用二进制缓冲文件来表示层次数据，这样它们就可以被直接访问而不需解析与拆包，同时还支持数据结构进化（前进、后退兼容性）。
- 内存高效速度快 ：访问数据时只需要访问内存中的缓冲区。它不需要多余的内存分配（至少在C 是这样，其他语言中可能会有变动）。 FlatBuffers还适合配合 mmap或数据流使用，只需要缓冲区的一部分存储在内存中。访问时速度接近原结构访问，只有一点延迟（一种虚函数表vtable），是为了允许格式升级以 及可选字段。FlatBuffers适合那些花费了大量时间和空间（内存分配）来访问和构建序列化数据的项目，比如游戏以及其他对表现敏感的应用。可以参考FlatBuffers基准。
- 灵活 ：由于具有可选字段，你不但有很强的升级和回退兼容性（对于历史悠久的游戏尤其重要，不用为了每个版本升级所有数据），在选择要存储哪些数据以及设计数据结构时也很自由。
- 轻量的code footprint：FlatBuffers只需要很少量的生成代码，以及一个表示最小依赖的很小的头文件，很容易集成。
- 强类型：当编译时报错时，不需要自己写重复的容易出错的运行时检查，它可以自动生成有用的代码。
- 使用方便：生成的C 代码允许精简访问与构建代码，还有可选的用于实现图表解析、类似JSON的运行时字符串展示等功能的方法。（后者比JSON解析库更快，内存效率更高）。
- 代码跨平台且没有依赖：C 代码可以运行在任何近代的gcc/clang和VS2010上，同时还有用于测试和范例的构建文件（Android中.mk文件，其他平台是cmake文件）。
VS Protocol Buffers和JSON
Protocol Buffers的确和FlatBuffers比较类似，但其主要区别在于FlatBuffers在访问数据前不需要解析/拆包这一步，而且Protocol Buffers既没有可选的文本导入/导出功能，也没有Schemas语法特性（比如union）。
JSON是一种轻量级的数据交换格式，JSON 可以将 JavaScript 对象中表示的一组数据转换为字符串，然后就可以在函数之间轻松地传递这个字符串，或者在异步应用程序中将字符串从 Web 客户机传递给服务器端程序。JSON和动态类型语言（如JavaScript）一起使用时非常方便。然而在静态类型语言中序列化数据时，JSON不但具有运行效率低的明显缺点，而且会让你写更多的代码来访问数据。
FlatBuffers究竟有多提高
- 解析速度：解析一个20KB的JSON流需要35ms，超过了UI刷新间隔也就是16.6ms。如果解析JSON的话，我们就在滑动时就会因为要从磁盘加载缓存而导致掉帧（视觉上的卡顿）。
- 解析器初始化 ：一个JSON解析器需要先构建字段映射再进行解析，这会花100ms到200ms，很明显的拖缓App启动时间。
- 垃圾回收 在解析JSON时创建了很多小对象，在我们的试验中，解析20kb的JSON流时，要分配大约100kb的瞬时存储，对Java内存回收造成很大压力。
FlatBuffers实战
FlatBuffers运作流程
首先来看一下FlatBuffers项目为开发者提供了哪些内容，可以从官网下载源码，其目录结构如下图：
如果要将FlatBuffers 用到我们的项目中，又需要哪些流程呢？可以参考下面的流程图：
FlatBuffers用法
就像Parcel和Serializable的序列化一样，FlatBuffers的是使用方式上也比最传统的JSON序列化要复杂的多。在实际上面开发中，为了降低开发的难度，提高开发效率，我们会将源码编译成可植入的第三方库。下面以Java环境为例，来介绍FlatBuffers的简单使用方法。读者可以到对应的maven仓库下载。
现在，假如我们拿到的json文件的格式是下面这样的：
代码语言：javascript复制{
"repos": [
{
"id": 27149168,
"name": "acai",
"full_name": "google/acai",
"owner": {
"login": "google",
"id": 1342004,
...
"type": "Organization",
"site_admin": false
},
"private": false,
"html_url": "https://github.com/google/acai",
"description": "Testing library for JUnit4 and Guice.",
...
"watchers": 21,
"default_branch": "master"
},
...
]
}注：可以通过下面的链接来获取更完整的json对象
模式文件
我们需要准备一个model文件，它定义了我们想要序列化/反序列化 的数据结构，这个模式将被flatc用于创建Java模型以及从JSON到FlatBuffer二进制文件的转换。
现在，我们所要做的所有事情就是创建3个表：ReposList，Repo和User，并定义root_type。例如：
代码语言：javascript复制table ReposList {
repos : [Repo];
}
table Repo {
id : long;
name : string;
full_name : string;
owner : User;
//...
labels_url : string (deprecated);
releases_url : string (deprecated);
}
table User {
login : string;
id : long;
avatar_url : string;
gravatar_id : string;
//...
site_admin : bool;
}
root_type ReposList;注：完整的模式文件可以点击下面的链接来获取
FlatBuffers文件
接下来，我们所需要做的就是将repos_json.json转换为FlatBuffers二进制文件，并产生Java模型，其可以以Java友好的方式表示我们的数据，下面是转换的命令：
代码语言：javascript复制$ ./flatc -j -b repos_schema.fbs repos_json.json如果没有任何报错，将会生成如下4个文件：
代码语言：javascript复制repos_json.bin (将被重命名为repos_flat.bin)
Repos/Repo.java
Repos/ReposList.java
Repos/User.java测试
接下来，我们可以使用FlatBuffers提供的Java库来处理在Java中直接处理这种数据格式，此处使用需要使用到 flatbuffers-java-1.2.0-SNAPSHOT.jar。
代码语言：javascript复制public class MainActivity extends AppCompatActivity {
@Bind(R.id.tvFlat)
TextView tvFlat;
@Bind(R.id.tvJson)
TextView tvJson;
private RawDataReader rawDataReader;
private ReposListJson reposListJson;
private ReposList reposListFlat;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
ButterKnife.bind(this);
rawDataReader = new RawDataReader(this);
}
@OnClick(R.id.btnJson)
public void onJsonClick() {
rawDataReader.loadJsonString(R.raw.repos_json).subscribe(new SimpleObserver<String>() {
@Override
public void onNext(String reposStr) {
parseReposListJson(reposStr);
}
});
}
private void parseReposListJson(String reposStr) {
long startTime = System.currentTimeMillis();
reposListJson = new Gson().fromJson(reposStr, ReposListJson.class);
for (int i = 0; i < reposListJson.repos.size(); i ) {
RepoJson repo = reposListJson.repos.get(i);
Log.d("FlatBuffers", "Repo #" i ", id: " repo.id);
}
long endTime = System.currentTimeMillis() - startTime;
tvJson.setText("Elements: " reposListJson.repos.size() ": load time: " endTime "ms");
}
@OnClick(R.id.btnFlatBuffers)
public void onFlatBuffersClick() {
rawDataReader.loadBytes(R.raw.repos_flat).subscribe(new SimpleObserver<byte[]>() {
@Override
public void onNext(byte[] bytes) {
loadFlatBuffer(bytes);
}
});
}
private void loadFlatBuffer(byte[] bytes) {
long startTime = System.currentTimeMillis();
ByteBuffer bb = ByteBuffer.wrap(bytes);
reposListFlat = frogermcs.io.flatbuffs.model.flat.ReposList.getRootAsReposList(bb);
for (int i = 0; i < reposListFlat.reposLength(); i ) {
Repo repos = reposListFlat.repos(i);
Log.d("FlatBuffers", "Repo #" i ", id: " repos.id());
}
long endTime = System.currentTimeMillis() - startTime;
tvFlat.setText("Elements: " reposListFlat.reposLength() ": load time: " endTime "ms");
}
}在上面的示例代码中，有两个方法是比较核心的，需要我们注意。
- parseReposListJson(String reposStr) ：初始化Gson解析器并将json字符串转换为Java对象。
- loadFlatBuffer(byte[] bytes) 将bytes（即repos_flat.bin文件）转为Java对象。
耗时测试
下面我们来测试下FlatBuffers和传统的json在数据解析上的耗时，我们以4mb的JSON文件为例。
如图，可以发现FlatBuffers花了1-5ms，JSON花了大约2000ms。并且FlatBuffers期间Android App中没有GC，而在使用JSON时发生了很多次GC，测试的源码可以通过以下地址下载：FlatBuffers耗时测试
参考：在Android中使用FlatBuffers FlatBuffers官方doc
