需要序列化的场景：1、CPU架构不同，X86/ARM等大小端问题； 2、数据存储介质不同，磁盘/内存等； 3、数据地址不连续，需要分段读取并传输。
序列化要考虑的问题：1、语言无关，实现多语言互通；2、数据量尽量小，提高通信效率。
在相当长的一段时间里，基于XML格式的SOAP协议和骑上的WebService框架，成为各个主流开发语言的必备扩展包；后来基于JSON的简单文本格式编码的HTTP REST接口，取代了复杂的WebService接口，成为事实上的分布式远程通信的首选。
但是JSON占用空间大、性能低下，而越来越多的移动客户端应用需要更高效地传输数据，因此语言无关的高效二进制编码协议成为关键技术之一。
MessagePack，出现比Google的Protocol Buffers更早，是模仿JSON设计的一个高性能二进制通用序列化框架，空间占用更小、更快。MessagePack数据类型分为两种：定长和变长。定长数据，只需要标明数据类型type和数据值value；变长数据，还需要增加一个数据长度的描述。而且为了节省空间，数据类型还做了细分，例如正负数。
ProtocolBuffers，定义了proto描述文件，描述数据对象的具体结构，这些数据对象又被称为“message消息”，然后编译生成各种语言的接口，实现了语言无关。和MessagePack类似，为了节省空间，ProtoBuff也有一些技巧，例如Varint是变长整数类型，用一个或多个字节来表示一个数字，数字越小，字节数越小。
FlatBuffers，Google在ProtoBuff之后又开源了一个新项目，在性能、内存占用、第三方依赖库的数量、编译后生成的中间代码数量等等方面做了大幅改进。
Avro，Apache Hadoop的一个子项目，用于实现RPC调用；Hadoop的其他项目，例如HBase、Hive的Client端与Server端也使用了Avro传输数据。Avro和ProtoBuff最大区别是预先定义Schema（模式）来描述对象的序列化结构，无需编译过程。Schema使得数据具有自描述的功能，同时能实现动态加载，大大加速了各种格式数据传输的开发联调工作。
参考《架构解密-从分布式到微服务》
