字段名稱與字段類型

對于任何一個有用的信息都包含這樣幾部分：

• 字段名稱
• 字段類型
• 字段值

就像C/C++中定義變量時：

int i = 100;

在這里，字段名稱就是i，字段類型是int，字段值是100。

剛才我們用varint以及ZigZag編碼解決了字段值表示的問題，那么該怎樣表示字段名稱和字段類型呢？

首先，對于字段類型還比較簡單，因為字段類型就那么多，protobuf中定義了6種字段類型：

對于6種字段類型我們使用3個比特位來表示就足夠了。

接下來比較有趣的是字段名稱該怎么表示呢？假設我們需要傳遞這樣一個字段：

int long_long_name = 100;

那么我們真的需要把“long_long_name”這么多字符通過網絡傳遞給對端嗎？

既然通信雙方需要協議，那么“long_long_name”這字段其實是client和server都知道的，它們唯一不知道的就是“ 哪些值屬于哪些字段 ”。

為解決這個問題， 我們給每個字段都進行編號 ，比如通信雙方都知道“long_long_name”這個字段的編號是2，那么對于：

int long_long_name = 100;

這個信息我們只需要傳遞：

• 字段名稱：2 (2對應字段“long_long_name”)
• 字段類型：0 (0表示varint類型，參見上圖)
• 字段值：100

所以我們可以看到， 無論你用多么復雜的字段名稱也不會影響編碼后占據的空間，字段名稱根本就不會出現在編碼后的信息中， so clever。

從宏觀上看

我們已經在protobuf中看到了數字以及字段名稱以及字段類型是怎么表示了，現在是時候從宏觀角度來看看多個字段該怎么編碼了。

從本質上講，protobuf被編碼后形成一系列的key-value，每個key-value對應一個proto中的字段。

也就是鍵值對：

其中value比較簡單，也就是字段值；而字段名稱和字段類型會被拼接成key，protobuf中共有6種類型，因此只需要3個比特位即可；字段名稱只需要存儲對應的編號，這樣可以就可以這樣編碼：

(字段編號 << 3) | 字段類型

假設server接收到了一個key為0x08，其二進制的表示為：

0000 1000

由于key也是利用varint編碼的，因此需要將第一個比特位去掉，這樣我的得到：

000 1000

根據key的編碼方式，其后三個比特位表示字段類型，即：

000

也就是0，這樣我們知道該key的類型是Varint(第0號類型)，而字段編號為抹掉后3個比特位的值，即：

0001

這樣，我們就知道了該key對應的字段編號為1，得到編號我們就能根據編號找到對應的編號名稱。

嵌套數據

與Json和XML類似，protobuf中也支持嵌套消息，就像這樣：

message SubMsg {
  optional int32 id = 1;
}
message Msg {
  optional SubMsg msg = 1;
}

其實現也比較簡單，這依然遵循被編碼后形成一系列的key-value，只不過對于嵌套類型的key來說，其value是由子消息的key-value組成。

protobuf與編譯語言

與Json一樣，protobuf也是一門語言，兼具了文本的可讀性以及二進制的高效。

protobuf之所以能做到這一點就好比C語言與機器指令。

C語言是給程序員看的，可讀性好，而機器指令是給硬件使用的，性能好，編譯器會將C語言程序轉為機器可執行的機器指令。

而protobuf也一樣，protobuf也是一門語言，會將可讀性較好的消息編碼為二進制從而可以在網絡中進行傳播，而對端也可以將其解碼回來。

在這里protobuf中定義的消息就好比C語言，編碼后的二進制消息就好比機器指令。

而protobuf作為事實上語言必然有自己的語法，其語法就是這樣：

怎么樣，還覺得編譯原理沒什么用嗎？

不理解編譯原理是不可能發明protobuf這種技術的。

總結

我在寫這篇文章時不斷感嘆，Google的這項技術節省了多少程序員的時間，同時我們也能看到這種基石般的技術依賴的底層原理卻非常古老：

• 信息的編解碼
• 編譯原理

怎么樣，這些是不是遠遠沒有IT界各種流行的技術聽上去時髦有趣，而正是這種樸素的技術支撐起了工業界，現在你也應該能明白底層技術的重要性了吧。