Protocol Buffer

Protocol buffers是google使用的一种结构化数据序列化编码解码方式，采用简单的二进制格式，他比XML、JSON格式体积更小，编码解码效率更高
下面是项目官方网站与XML对比的描述：
# are 3 to 10 times smaller
# are 20 to 100 times faster
这里有一个.NET环境下的对比测试：Results of Northwind database rows serialization benchmarks，用的是.NET下面的实现ProtoBuf.net
protobuf项目(C++)，.NET下的实现有：protobuf-net、protobuf-csharp-port。另外一个.NET的项目是Proto#，不过作者似乎没有维护了

使用方式简介
首先定义消息类型：
message Person {
  required string name = 1;
  required int32 id = 2;
  optional string email = 3;

  enum PhoneType {
    MOBILE = 0;
    HOME = 1;
    WORK = 2;
  }

  message PhoneNumber {
    required string number = 1;
    optional PhoneType type = 2 [default = HOME];
  }

  repeated PhoneNumber phone = 4;
}
Field Rules: 属性规则，required: 必须的属性；optional: 可选属性；repeated: 可重复多个的属性
Field Type: 属性数据类型，标量值类型（scalar value types）支持double, float, int32, int64, uint32, uint64, sint32, sint64, fixed32, fixed64, bool, string, bytes等，另外支持枚举、嵌套/引用的消息类型等
Field Tags: 属性标签（例如name=1中的1），使用正整数表示，在序列化的二进制中使用这个标签来标记属性，比使用属性名称体积更小
详细的语法参考官方网站：Language Guide

消息类型定义在.proto文件中，使用protoc.exe根据.proto文件生成C++、Java、Python等类文件，这些类文件中定义了表示消息的对象，以及用于编码、解码的方法

体积方面，首先从上面消息类型的定义中可以看出，使用属性标签代替属性名称可以减小体积，另外在编码协议上对各种数据类型的处理，也尽量采用了压缩的表示方式以减小体积。速度方面，二进制协议比基于文本的解析更有优势

编码协议简介 - 2.3.0
详细的编码协议参考官方网站的Encoding
Base 128 Varints
32位整数使用4字节存储，32位的整数值1同样要使用4个字节，比较浪费空间。Varint采用变长字节的方式存储整数，将高位为0的字节去掉，节约空间
高位为0的字节去掉以后，用来存储整数的每一个字节，其最高有效位（most significant bit）用作标识位，0表示这是整数的最后一个字节，1表示不是最后一个字节；其他7位用于存储整数的数值。字节序采用little-endian
示例：
整数1，Varint的二进制值为0000 0001。因为1个字节就足够，所以最高有效位为0，后7位则为1的原码形式
整数300，Varint需要2字节表示，二进制值为1010 1100 0000 0010。第一个字节最高有效位设为1，最后一个字节最高有效位设为0。解码过程如下：
a). 首先每个字节去掉最高有效位，得到：010 1100 000 0010
b). 按照little-endian方式处理字节序，得到：000 0010 010 1100
c). 二进制值100101100即为300

ZigZag编码
Varint对于无符号整数有效，对负数无法进行压缩，protocol buffer对有符号整数采用ZigZag编码后，再以varint形式存储
对32位有符号数，ZigZag编码算法为 (n << 1) ^ (n >> 31)，对64位有符号数的算法为(n << 1) ^ (n >> 63)
注意：32位有符号数右移31位后，对于正数所有位为0，对于负数所有位为1
编码后的效果是0=>0, -1=>1, 1=>2, -2=>3, 2=>4……，即将无符号数编码为有符号数表示，这样就能有效发挥varint的优势了

Protocol buffer用32位表示float和fixed32，用64位表示double和fixed64
String, bytes, 嵌入式消息等数据均采用定长数据类型（length-delimited）表示，这类数据在开始位置使用一个varint表示数据的字节长度，后面接着是数据值

消息结构
消息的所有属性都序列化为key-value pair（键-值对）的字节流形式，字节流中不包含属性的名称和声明的类型，这些信息必须从定义的消息类型中获取
key里面包含2个东西，一个是在消息类型里面为该属性指定的field tag，另一个是protocol buffer协议的封装类型（wire type）。这2个部分都是正整数，使用 (field_tag << 3) | wire_type 方式生成一个正整数，然后使用base 128 varint方式表示。key后面跟着是属性的值
wire type：

Type	Meaning	Used For
0	Varint	int32, int64, uint32, uint64, sint32, sint64, bool, enum
1	64-bit	fixed64, sfixed64, double
2	Length-delimited	string, bytes, embedded messages, packed repeated fields
3	Start group	groups (deprecated)
4	End group	groups (deprecated)
5	32-bit	fixed32, sfixed32, float

示例：
消息类型如下
message Test1 {
  required int32 attr = 1;
}
创建一个Test1的对象，将其属性attr的值设置为150，则对该对象编码过程如下
属性数据类型为int32，其wire type为0，所以key值为
(1 << 3 ) | 0 => 0000 1000
属性值150采用Varint编码
   150
   => 10010110 //二进制
   => 000 0001 001 0110 //7位一组分开
   => 001 0110 000 0001 //little-endian字节序
   => 1001 0110 0000 0001 //设置最高标识位
   => 96 01 //16进制
所以这个Test1对象编码后的16进制值为：08 96 01

如果有嵌入式消息类型定义如下
message Test3 {
  required Test1 c = 3;
}
编码后的16进制值形如：1A 03 08 96 01，其中08 96 01就是上面示例的Test1对象，在Test3的属性中他与字符串的处理方式一样，前面的03就是表示其长度的varint

protobuf-csharp-port的使用方式
protobuf-csharp-port跟protobuf的使用方式一样，即在开发过程中使用protoc.exe、ProtoGen.exe生成用于序列化、反序列化时的消息对象，在运行时通过这些对象进行编码解码
从GitHub下载项目源代码（目前还没有发布包），项目中带有示例AddressBook
生成消息通讯用的C#类分2个步骤
步骤1：使用lib目录下的protoc.exe生成二进制表示
protoc --descriptor_set_out=addressbook.protobin --proto_path=..\protos --include_imports ..\protos\tutorial\addressbook.proto
步骤2：使用编译生成的ProtoGen.exe从二进制表示生成C#类
ProtoGen.exe addressbook.protobin
会生成几个.cs文件，其中包括AddressBookProtos.cs，这个就是在addressbook.proto中定义的消息类型
运行时的项目需要引用编译生成的Google.ProtocolBuffers.dll，使用AddressBookProtos.cs完成编码解码操作，详细用法查看示例项目AddressBook
运行AddressBook.exe如下图：
  
输入的对象序列化为二进制后，默认保存在addressbook.data文件中，可以使用ProtoDump.exe读取这个二进制文件：
  

protobuf-net的使用方式 - r282
protobuf-net的使用与Google的protobuf完全不一样，他采用.NET的编程方式，可以非常方便的在.NET的序列化场景下使用，支持WCF的DataContact，WCF程序几乎不需要什么修改就能使用protobuf-net
下载protobuf-net，项目引用protobuf-net.dll，测试对象定义如下：

[ProtoContract]
public class TestObject
{
    [ProtoMember(1)]
    public string StringAttr1 { get; set; }
    [ProtoMember(2)]
    public string StringAttr2 { get; set; }
    [ProtoMember(3)]
    public int IntAttr { get; set; }
    [ProtoMember(4)]
    public long LongAttr { get; set; }
    [ProtoMember(5)]
    public decimal DecimalAttr { get; set; }
    [ProtoMember(6)]
    public float FloatAttr { get; set; }
    [ProtoMember(7)]
    public int[] ArrayAttr { get; set; }
    [ProtoMember(8)]
    public IList<string> ListAttr { get; set; }
    [ProtoMember(9)]
    public InnerObject EmbeddedAttr { get; set; }
    public override string ToString()
    {
        StringBuilder sb = new StringBuilder()
            .Append("TestObject {\r\n")
            .Append("   StringAttr1: \"").Append(this.StringAttr1).Append("\",\r\n")
            .Append("   StringAttr2: \"").Append(this.StringAttr2).Append("\",\r\n")
            .Append("   IntAttr: ").Append(this.IntAttr).Append(",\r\n")
            .Append("   LongAttr: ").Append(this.LongAttr).Append(",\r\n")
            .Append("   DecimalAttr: ").Append(this.DecimalAttr).Append(",\r\n")
            .Append("   FloatAttr: ").Append(this.FloatAttr).Append(",\r\n");
        if (this.ArrayAttr != null)
        {
            sb.Append("   ArrayAttr: [ ");
            foreach (int i in this.ArrayAttr) sb.Append(i).Append(", ");
            sb.Remove(sb.Length - 2, 2);
            sb.Append(" ],\r\n");
        }
        if (this.ListAttr != null)
        {
            sb.Append("   ListAttr: [ ");
            foreach (string s in this.ListAttr) sb.Append('"').Append(s).Append("\", ");
            sb.Remove(sb.Length - 2, 2);
            sb.Append(" ],\r\n");
        }
        if (this.EmbeddedAttr != null)
            sb.Append("   EmbeddedAttr: ").Append(this.EmbeddedAttr.ToString()).Append("\r\n");
        return sb.Append("}").ToString();
    }
}
[ProtoContract]
public class InnerObject
{
    [ProtoMember(1)]
    public string Attr1 { get; set; }
    [ProtoMember(2)]
    public DateTime Attr2 { get; set; }
    [ProtoMember(3)]
    public bool Attr3 { get; set; }
    [ProtoMember(6)]
    public byte Attr4 { get; set; }
    [ProtoMember(9)]
    public sbyte Attr5 { get; set; }
    public override string ToString()
    {
        return new StringBuilder()
            .Append("{\r\n")
            .Append("      Attr1: \"").Append(this.Attr1).Append("\",\r\n")
            .Append("      Attr2: \"").Append(this.Attr2.ToString("yyyy-MM-dd")).Append("\",\r\n")
            .Append("      Attr3: ").Append(this.Attr3).Append(",\r\n")
            .Append("      Attr4: ").Append(this.Attr4).Append(",\r\n")
            .Append("      Attr5: ").Append(this.Attr5).Append("\r\n")
            .Append("   }").ToString();
    }
}

测试代码如下：

using (MemoryStream ms = new MemoryStream())
{
    TestObject obj = new TestObject()
    {
        StringAttr1 = "string 1",
        StringAttr2 = "string 2",
        IntAttr = 300,
        LongAttr = 1,
        DecimalAttr = 34.10091M,
        FloatAttr = 12.3f,
        ArrayAttr = new int[] { 600, -9, 0 },
        ListAttr = new List<string> { "string 3", "string 5" },
        EmbeddedAttr = new InnerObject()
        {
            Attr1 = "string 6",
            Attr2 = new DateTime(2010, 2, 1),
            Attr3 = false,
            Attr4 = 8,
            Attr5 = -63
        }
    };
    Serializer.Serialize<TestObject>(ms, obj);
    ms.Flush();
    ms.Position = 0;
    TestObject obj2 = Serializer.Deserialize<TestObject>(ms);
    Console.WriteLine(obj2);
    Console.ReadKey();
}

运行结果：
  

附录
原码、反码、补码
对有符号数，最高位是符号位。正数的原码反码和补码都是一样的，就是本身。负数的反码是原码求反，补码是反码加1。例如-1的原码是1000 0001，反码是1111 1110，补码是1111 1111。负数都是用补码表示，从正数的原码推负数的二进制表示（补码）时，只须将正数各个位（包括符合位）取反加1
补码有2种，即one's complement (1's complement，1的补码) 和 two's complement (2's complement，2的补码) 。按照定义，one's complement就是对各个位取反，two's complement是对各个位取反后加1。例如在8位处理器情况下，9的二进制是0000 1001，one's complement是1111 0110，two's complement是1111 0111
采用one's complement表示负数时存在正0 (0x00)和负0 (0xff)，并且有符号数相加必须采用end-around carry（循环进位）处理，例如
   
相加之后发生溢出，则必须将溢出位加到最低位上，这样导致有符号数相加和无符号数相加算法不一致，而采用two's complement表示时不存在这些问题
关于2的补码表示可以参考阮一峰的关于2的补码一文，更专业的说明可以参考wikipedia上的Method of complements：二进制的基数补码（radix complement）叫做2的补码，二进制的基数减一补码（diminished radix complement）叫做1的补码；十进制的基数补码叫做10的补码，基数减一补码叫做9的补码

Big-endian, little-endian可以参考wikipedia上的Endianness，讲解的很详细