caffe数据格式

Google Protocol Buffers 概述

概述

Protocol Buffers 是一种轻便高效的结构化数据存储格式,可以用于结构化数据串行化,或者说序列化。它很适合做数据存储RPC(Remote Procedure Call) 数据交换格式。可用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。目前提供了 C++JavaPython 三种语言的 API。

本文概述介绍Protocol Buffers,以及开始如何开始Protocol Buffers之旅,本系列主要以Java为主。

以下Protocol Buffers简称PB。

Protocol Buffers是什么

Protocol Buffers提供了一种灵活,高效,自动序列化结构数据的机制,可以联想XML,但是比XML更小,更快,更简单。仅需要自定义一次你所需的数据格式, 然后用户就可以使用Protocol Buffers自动生成的特定的源码,方便的读写用户自定义的格式化的数据。不限语言,不限平台。还可以在不破坏原数据格式的基础上,依据老的数据格式, 更新现有的数据格式。

Protocol Buffers如何工作的

在PB中,有一种.proto类型的文件,用户 在.proto文件中定义PB “Message”来指定所需要序列化的数据的格式。每一个PB Message都是一个小的信息逻辑单元,包含了一些列的name-value对。下面举例说明一个简单地.proto文件,他定义了一条包含一个 Person信息的Message:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
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;
}

如上代码所示,PB message 格式非常简单。每种类型的message包含一个或者多个唯一编码字段,每个字段由名称和值类型组成,值类型可以使数字(整形或者浮点型),布尔值,字符 串,原始字节,甚至是其他的PB message。PB允许message中包含message,已达到分层嵌套。可以定义可选字段,必填字段以及重复字段。想要了解更多如何 写.proto 文件,可以访问:Protocol Buffer Language Guide

定 义好PB message后,选择合适语言的PB编译器,编译.proto文件,就可以生成存取数据的相关类。这些类包括简单的设置及读取字段的方法,也包括对整个 数据结构的message与二进制之间的转换。举个例子,如果你使用的语言是java,运行编译器编译上例.proto文件后,生成的类中包含一个 Person类。使用该类,就可以计算,序列化以及检索PB message。如下代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
public static void main(String[] args) throws IOException {
Person john = Person
.newBuilder()
.setId(1)
.setName("john")
.setEmail("john@youku.com")
.addPhone(
PhoneNumber
.newBuilder()
.setNumber("1861xxxxxxx")
.setType(PhoneType.WORK)
.build())
.build();
FileOutputStream output = new FileOutputStream("abc.txt");
john.writeTo(output);
output.close();
}

接下来,你可以用如下代码读取:

1
2
3
4
5
6
7
8
9
10
public static void main(String[] args) throws IOException {
FileInputStream input = new FileInputStream("abc.txt");
Person person = Person.parseFrom(input);
System.out.println(person.getId());
System.out.println(person.getName());
System.out.println(person.getEmail());
System.out.println(person.getPhoneCount());
System.out.println(person.getPhone(0).getNumber());
System.out.println(person.getPhone(0).getType());
}

PB是易于扩展的,可以向后兼容的,我们可以在PB message中添加新的字段,这样,在parse的时候,老版本的数据就会简单的忽略新增加的字段。因此,如果现有通信协议使用了PB作为其数据格式,我们可以直接扩展该通信协议,而不必担心这将会破坏现有的代码。

对于使用.proto文件生成PB 客户端代码,可以参看这方面的完整教程:API Reference section。想要学习了解PB message是如何编码的,可以参见:Protocol Buffer Encoding。

为什么不直接使用XML呢?

如果要序列化结构化数据,比起XML,PB实在是有许多的优点可以道道~

更简单
比XML小310倍
比XML快20
100倍
语义定义明确
自动生成数据存取类,更容易使用
假如我们要模拟一个Person,该对象包含name和email属性,如果用XML,我们定义如下:

1
2
3
4
<person>
<name>John Doe</name>
<email>jdoe@example.com</email>
</person>

对应的,PB如下:

1
2
3
4
person {
name: "John Doe"
email: "jdoe@example.com"
}

请注意:这里仅是PB格式的一种直观表示,真实的PB并非这样存储,实际上,在链路中,PB数据时二进制格式的。

当这段数据编码为PB二进制格式时,其实际大小大概是28bytes,编码时间为100200纳秒。如果用XML的话,即使去除空格,大小也至少为69bytes,编码时间大概需要500010,000纳秒。

同样,解析这段代码,PB比XML要方便许多。用PB的话:

1
2
person.getName();
person.getEmail();

而用XML的话:

1
2
personNode.getElementsByTagName("name")
personNode.getElementsByTagName("email")

相比起来,PB更直接,而且不需要遍历节点等XML操作。

但是,金无足赤,人无完人,PB也一样。对于有很多标签的,基于文本的数据(例如HTML),XML就完胜PB。XML是子描述的,可以随机且交错读取读取文本节点。XML是自描述的,而PB不是,PB必须要有格式定义文件(.proto 文件)

一点历史

PB由Google开发,最初是用于处理索引服务器的请求/响应协议。在有PB之前,Google使用手动编组和解组的方式来处理请求/相应协议。这种方式需要支持许多版本的协议,这就导致一些代码非常的丑陋,例如:

1
2
3
4
5
6
7
8
if (version == 3) {
...
} else if (version > 4) {
if (version == 5) {
...
}
...
}

另外,这种显示格式的协议同样将新发布的协议版本也搞得非常复杂,因为开发者必须在启用新的协议之前,确认所有的服务器,包括请求的发起者以及实际处理请求者,他们都能够理解新的协议。

PB即被设计来解决这些问题:

要可以非常容易的引入新字段,不需要检查数据的中间服务器 能够简单地解析数据,并且无须知道数据所有的字段就可以传输数据。
格式能够更加的自描述一些,并且可以被多用语言处理(C ++, Java,Python等)
至此,虽然解决了诸多问题,但用户依然需要手写他们的解析及编码代码。

随着系统的发展,PB逐渐形成了许多新的特性及用法:

自动生成序列化及反序列化代码,避免手动解析
除了被用在短生命周期的RPC请求,也开始将PB作为一种方便的自描述格式去存储持久化数据。
Server RPC interfaces 开始被声明为协议文件的一部分,使用PB compiler 生成stub类,用户可以使用自己实现的服务器接口来覆盖他们。
Google Protocol Buffer( 简称 Protobuf) 是 Google 公司内部的混合语言数据标准,目前已经正在使用的有超过 48,162 种报文格式定义和超过 12,183 个 .proto 文件。他们用于 RPC 系统和持续数据存储系统。

译自:https://developers.google.com/protocol-buffers/docs/overview


Google Protocol Buffers 入门


Protocol Buffers 语法指南


Google Protocol Buffers 编码(Encoding)

参考资料

Google Protocol Buffers 概述

0%