Apache Thrift系列详解(三) - 序列化机制

青旅半醒 2022-05-11 10:36 227阅读 0赞

# 前言 #

`Thrift`支持**二进制**，**压缩格式**，以及`json`格式数据的**序列化**和**反序列化**。开发人员可以更加灵活的选择协议的具体形式。协议是可**自由扩展**的，新版本的协议，完全**兼容**老的版本！

# 正文 #

## 数据交换格式简介 ##

当前流行的**数据交换格式**可以分为如下几类：

### (一) 自解析型 ###

序列化的数据包含**完整**的结构， 包含了`field`**名称**和`value`**值**。比如`xml/json/java serizable`，大百度的`mcpack/compack`，都属于此类。即调整不同属性的**顺序**对**序列化/反序列化**不造成影响。

### (二) 半解析型 ###

序列化的数据，丢弃了部分信息， 比如`field`名称， 但引入了`index`(常常是`id`\+`type`的方式)来对应具体**属性**和**值**。这方面的代表有`google protobuf/thrift`也属于此类。

### (三) 无解析型 ###

传说中大百度的`infpack`实现，就是借助该种方式来实现，丢弃了很多**有效信息**，**性能/压缩**比最好，不过向后兼容需要开发做一定的工作， 详情不知。

<table> 
 <thead> 
  <tr> 
   <th>交换格式</th> 
   <th>类型</th> 
   <th>优点</th> 
   <th>缺点</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Xml</td> 
   <td>文本</td> 
   <td>易读</td> 
   <td>臃肿，不支持二进制数据类型</td> 
  </tr> 
  <tr> 
   <td>JSON</td> 
   <td>文本</td> 
   <td>易读</td> 
   <td>丢弃了类型信息，比如"score":100，对score类型是int/double解析有二义性， 不支持二进制数据类型</td> 
  </tr> 
  <tr> 
   <td>Java serizable</td> 
   <td>二进制</td> 
   <td>使用简单</td> 
   <td>臃肿，只限制在JAVA领域</td> 
  </tr> 
  <tr> 
   <td>Thrift</td> 
   <td>二进制</td> 
   <td>高效</td> 
   <td>不易读，向后兼容有一定的约定限制</td> 
  </tr> 
  <tr> 
   <td>Google Protobuf</td> 
   <td>二进制</td> 
   <td>高效</td> 
   <td>不易读，向后兼容有一定的约定限制</td> 
  </tr> 
 </tbody> 
</table>

## Thrift的数据类型 ##

1.  **基本类型：**  
    　　**bool**: 布尔值  
    　　**byte**: 8位有符号整数  
    　　**i16**: 16位有符号整数  
    　　**i32**: 32位有符号整数  
    　　**i64**: 64位有符号整数  
    　　**double**: 64位浮点数  
    　　**string**: UTF-8编码的字符串  
    　　**binary**: 二进制串
2.  **结构体类型：**  
    　　**struct**: 定义的结构体对象
3.  **容器类型：**  
    　　**list**: 有序元素列表  
    　　**set**: 无序无重复元素集合  
    　　**map**: 有序的key/value集合
4.  **异常类型：**  
    　　**exception**: 异常类型
5.  **服务类型：**  
    　　**service**: 具体对应服务的类

## Thrift的序列化协议 ##

`Thrift`可以让用户选择**客户端**与**服务端**之间**传输通信协议**的类别，在**传输协议**上总体划分为**文本**(`text`)和**二进制**(`binary`)传输协议。为**节约带宽**，**提高传输效率**，一般情况下使用**二进制**类型的传输协议为多数，有时还会使用基于**文本类型**的协议，这需要根据项目/产品中的实际需求。常用协议有以下几种：

*  TBinaryProtocol：**二进制**编码格式进行数据传输
 *  TCompactProtocol：**高效率**的、**密集**的**二进制**编码格式进行数据传输
 *  TJSONProtocol： 使用`JSON`**文本**的数据编码协议进行数据传输
 *  TSimpleJSONProtocol：只提供`JSON`**只写**的协议，适用于通过**脚本语言解析**

## Thrift的序列化测试 ##

(a). 首先编写一个简单的`thrift`文件`pair.thrift`：

struct Pair {
        1: required string key
        2: required string value
    }

> 这里标识了`required`的字段，要求在使用时必须正确赋值，否则运行时会抛出`TProtocolException`异常。缺省和指定为`optional`时，则运行时不做字段非空校验。

(b). 编译并生成`java`源代码：

thrift -gen java pair.thrift

©. 编写序列化和反序列化的测试代码：

*  序列化测试，将`Pair`对象写入文件中

private static void writeData() throws IOException， TException { Pair pair = new Pair(); pair.setKey("key1").setValue("value1"); FileOutputStream fos = new FileOutputStream(new File("pair.txt")); pair.write(new TBinaryProtocol(new TIOStreamTransport(fos))); fos.close(); }

*  反序列化测试，从文件中解析生成`Pair`对象

private static void readData() throws TException， IOException { Pair pair = new Pair(); FileInputStream fis = new FileInputStream(new File("pair.txt")); pair.read(new TBinaryProtocol(new TIOStreamTransport(fis))); System.out.println("key => " + pair.getKey()); System.out.println("value => " + pair.getValue()); fis.close(); }

(d) 观察运行结果，正常输出表明**序列化**和**反序列化**过程正常完成。

![Thrift_Serialization_Pair.png][]

## Thrift协议源码 ##

### (一) writeData()分析 ###

首先查看`thrift`的**序列化机制**，即数据写入实现，这里采用**二进制协议**`TBinaryProtocol`，切入点为`pair.write(TProtocol)`：

![Thrift_Pair_write.png][]

查看`scheme()`方法，决定采用**元组计划**(`TupleScheme`)还是**标准计划**(`StandardScheme`)来实现序列化，默认采用的是**标准计划**`StandardScheme`。

![Thrift_Pair_Scheme.png][]

**标准计划**(`StandardScheme`)下的`write()`方法：

![Thrift_Pair_Standard_Scheme_Write.png][]

这里完成了几步操作：

(a). 根据`Thrift IDL`文件中定义了`required`的字段验证字段是否正确赋值。

public void validate() throws org.apache.thrift.TException { // check for required fields if (key == null) { throw new org.apache.thrift.protocol.TProtocolException("Required field 'key' was not present! Struct: " + toString()); } if (value == null) { throw new org.apache.thrift.protocol.TProtocolException("Required field 'value' was not present! Struct: " + toString()); } }

(b). 通过`writeStructBegin()`记录**写入结构**的**开始标记**。

public void writeStructBegin(TStruct struct) { }

©. 逐一写入`Pair`对象的各个字段，包括字段**字段开始标记**、**字段的值**和**字段结束标记**。

if (struct.key != null) { oprot.writeFieldBegin(KEY_FIELD_DESC); oprot.writeString(struct.key); oprot.writeFieldEnd(); } // 省略...

(1). 首先是**字段开始标记**，包括`type`和`field-id`。`type`是字段的**数据类型的标识号**，`field-id`是`Thrift IDL`定义的**字段次序**，比如说`key`为1，`value`为2。

public void writeFieldBegin(TField field) throws TException { writeByte(field.type); writeI16(field.id); }

`Thrift`提供了`TType`，对不同的**数据类型**(`type`)提供了唯一标识的`typeID`。

public final class TType { public static final byte STOP = 0; // 数据读写完成 public static final byte VOID = 1; // 空值 public static final byte BOOL = 2; // 布尔值 public static final byte BYTE = 3; // 字节 public static final byte DOUBLE = 4; // 双精度浮点型 public static final byte I16 = 6; // 短整型 public static final byte I32 = 8; // 整型 public static final byte I64 = 10; // 长整型 public static final byte STRING = 11; // 字符串类型 public static final byte STRUCT = 12; // 引用类型 public static final byte MAP = 13; // Map public static final byte SET = 14; // 集合 public static final byte LIST = 15; // 列表 public static final byte ENUM = 16; // 枚举 }

(2). 然后是写入**字段的值**，根据字段的数据类型又归纳为以下实现：`writeByte()`、`writeBool()`、`writeI32()`、`writeI64()`、`writeDouble()`、`writeString()`和`writeBinary()`方法。

`TBinaryProtocol`通过一个长度为`8`的`byte`字节数组缓存**写入**或**读取**的临时字节数据。

private final byte[] inoutTemp = new byte[8];

> \*\*常识1：\*\*16进制的介绍。以0x开始的数据表示16进制，0xff换成十进制为255。在16进制中，A、B、C、D、E、F这五个字母来分别表示10、11、12、13、14、15。

`16`**进制**变**十进制**：f表示15。第n位的权值为16的n次方，由右到左从0位起：0xff = 15*16^1 + 15*16^0 = 255  
`16`**进制**变**二进制**再变**十进制**：0xff = 1111 1111 = 2^8 - 1 = 255

> \*\*常识2：\*\*位运算符的使用。>>表示代表右移符号，如：int i=15; i>>2的结果是3，移出的部分将被抛弃。而<<表示左移符号，与>>刚好相反。

转为**二进制**的形式可能更好理解，0000 1111(15)右移2位的结果是0000 0011(3)，0001 1010(18)右移3位的结果是0000 0011(3)。

*  **writeByte()**：写入**单个字节**数据。

public void writeByte(byte b) throws TException { inoutTemp[0] = b; trans_.write(inoutTemp， 0， 1); }

*  **writeBool()**：写入**布尔值**数据。

public void writeBool(boolean b) throws TException { writeByte(b ? (byte)1 : (byte)0); }

*  **writeI16()**：写入**短整型**`short`类型数据。

public void writeI16(short i16) throws TException { inoutTemp[0] = (byte)(0xff & (i16 >> 8)); inoutTemp[1] = (byte)(0xff & (i16)); trans_.write(inoutTemp， 0， 2); }

*  **writeI32()**：写入**整型**`int`类型数据。

public void writeI32(int i32) throws TException { inoutTemp[0] = (byte)(0xff & (i32 >> 24)); inoutTemp[1] = (byte)(0xff & (i32 >> 16)); inoutTemp[2] = (byte)(0xff & (i32 >> 8)); inoutTemp[3] = (byte)(0xff & (i32)); trans_.write(inoutTemp， 0， 4); }

*  **writeI64()**：写入**长整型**`long`类型数据。

public void writeI64(long i64) throws TException { inoutTemp[0] = (byte)(0xff & (i64 >> 56)); inoutTemp[1] = (byte)(0xff & (i64 >> 48)); inoutTemp[2] = (byte)(0xff & (i64 >> 40)); inoutTemp[3] = (byte)(0xff & (i64 >> 32)); inoutTemp[4] = (byte)(0xff & (i64 >> 24)); inoutTemp[5] = (byte)(0xff & (i64 >> 16)); inoutTemp[6] = (byte)(0xff & (i64 >> 8)); inoutTemp[7] = (byte)(0xff & (i64)); trans_.write(inoutTemp， 0， 8); }

*  **writeDouble()**：写入**双浮点型**`double`类型数据。

public void writeDouble(double dub) throws TException { writeI64(Double.doubleToLongBits(dub)); }

*  **writeString()**：写入**字符串类型**，这里先写入**字符串长度**，再写入**字符串内容**。

public void writeString(String str) throws TException { try { byte[] dat = str.getBytes("UTF-8"); writeI32(dat.length); trans_.write(dat， 0， dat.length); } catch (UnsupportedEncodingException uex) { throw new TException("JVM DOES NOT SUPPORT UTF-8"); } }

*  **writeBinary**：写入**二进制数组**类型数据，这里数据输入是`NIO`中的`ByteBuffer`类型。

public void writeBinary(ByteBuffer bin) throws TException { int length = bin.limit() - bin.position(); writeI32(length); trans_.write(bin.array()， bin.position() + bin.arrayOffset()， length); }

(3). 每个字段写入完成后，都需要记录**字段结束标记**。

public void writeFieldEnd() { }

(d). 当所有的字段都写入以后，需要记录**字段停止标记**。

public void writeFieldStop() throws TException { writeByte(TType.STOP); }

(e). 当所有数据写入完成后，通过`writeStructEnd()`记录**写入结构**的**完成标记**。

public void writeStructEnd() { }

### (二) readData()分析 ###

查看`thrift`的**反序列化机制**，即**数据读取**实现，同样采用**二进制协议**`TBinaryProtocol`，切入点为`pair.read(TProtocol)`：

![Thrift_Pair_scheme2.png][]

**数据读取**和**数据写入**一样，也是采用的**标准计划**`StandardScheme`。**标准计划**(`StandardScheme`)下的`read()`方法：

![Thrift_Pair_read.png][]

这里完成的几步操作：

(a). 通过`readStructBegin`读取**结构**的**开始标记**。

iprot.readStructBegin();

(b). 循环读取**结构**中的**所有字段数据**到`Pair`对象中，直到读取到`org.apache.thrift.protocol.TType.STOP`为止。`iprot.readFieldBegin()`指明开始读取**下一个字段**的前需要读取**字段开始标记**。

while (true) { schemeField = iprot.readFieldBegin(); if (schemeField.type == org.apache.thrift.protocol.TType.STOP) { break; } // 字段的读取，省略... }

switch (schemeField.id) { case 1: // KEY if (schemeField.type == org.apache.thrift.protocol.TType.STRING) { struct.key = iprot.readString(); struct.setKeyIsSet(true); } else { org.apache.thrift.protocol.TProtocolUtil.skip(iprot， schemeField.type); } break; case 2: // VALUE if (schemeField.type == org.apache.thrift.protocol.TType.STRING) { struct.value = iprot.readString(); struct.setValueIsSet(true); } else { org.apache.thrift.protocol.TProtocolUtil.skip(iprot， schemeField.type); } break; default: org.apache.thrift.protocol.TProtocolUtil.skip(iprot， schemeField.type); }

关于**读取字段**的值，根据字段的**数据类型**也分为以下实现：`readByte()`、`readBool()`、`readI32()`、`readI64()`、`readDouble()`、`readString()`和`readBinary()`方法。

*  **readByte()**：读取**单个字节**数据。

public byte readByte() throws TException { if (trans_.getBytesRemainingInBuffer() >= 1) { byte b = trans_.getBuffer()[trans_.getBufferPosition()]; trans_.consumeBuffer(1); return b; } readAll(inoutTemp， 0， 1); return inoutTemp[0]; }

*  **readBool()**：读取**布尔值**数据。

public boolean readBool() throws TException { return (readByte() == 1); }

*  **readI16()**：读取**短整型**`short`类型数据。

public short readI16() throws TException { byte[] buf = inoutTemp; int off = 0; if (trans_.getBytesRemainingInBuffer() >= 2) { buf = trans_.getBuffer(); off = trans_.getBufferPosition(); trans_.consumeBuffer(2); } else { readAll(inoutTemp， 0， 2); } return (short) (((buf[off] & 0xff) << 8) | ((buf[off+1] & 0xff))); }

*  **readI32()**：读取**整型**`int`类型数据。

public int readI32() throws TException { byte[] buf = inoutTemp; int off = 0; if (trans_.getBytesRemainingInBuffer() >= 4) { buf = trans_.getBuffer(); off = trans_.getBufferPosition(); trans_.consumeBuffer(4); } else { readAll(inoutTemp， 0， 4); } return ((buf[off] & 0xff) << 24) | ((buf[off+1] & 0xff) << 16) | ((buf[off+2] & 0xff) << 8) | ((buf[off+3] & 0xff)); }

*  **readI64()**：读取**长整型**`long`类型数据。

public long readI64() throws TException { byte[] buf = inoutTemp; int off = 0; if (trans_.getBytesRemainingInBuffer() >= 8) { buf = trans_.getBuffer(); off = trans_.getBufferPosition(); trans_.consumeBuffer(8); } else { readAll(inoutTemp， 0， 8); } return ((long)(buf[off] & 0xff) << 56) | ((long)(buf[off+1] & 0xff) << 48) | ((long)(buf[off+2] & 0xff) << 40) | ((long)(buf[off+3] & 0xff) << 32) | ((long)(buf[off+4] & 0xff) << 24) | ((long)(buf[off+5] & 0xff) << 16) | ((long)(buf[off+6] & 0xff) << 8) | ((long)(buf[off+7] & 0xff)); }

*  **readDouble()**：读取**双精度浮点**`double`类型数据。

public double readDouble() throws TException { return Double.longBitsToDouble(readI64()); }

*  **readString()**：读取**字符串类型**的数据，首先读取并校验`4`字节的**字符串长度**，然后检查`NIO`**缓冲区**中是否有对应长度的字节**未消费**。如果有，直接从**缓冲区**中读取；否则，从**传输通道**中读取数据。

public String readString() throws TException { int size = readI32(); checkStringReadLength(size); if (trans_.getBytesRemainingInBuffer() >= size) { try { String s = new String(trans_.getBuffer()， trans_.getBufferPosition()， size， "UTF-8"); trans_.consumeBuffer(size); return s; } catch (UnsupportedEncodingException e) { throw new TException("JVM DOES NOT SUPPORT UTF-8"); } } return readStringBody(size); }

如果是从**传输通道**中读取数据，查看`readStringBody()`方法：

public String readStringBody(int size) throws TException { try { byte[] buf = new byte[size]; trans_.readAll(buf， 0， size); return new String(buf， "UTF-8"); } catch (UnsupportedEncodingException uex) { throw new TException("JVM DOES NOT SUPPORT UTF-8"); } }

*  **readBinary()**：读取**二进制数组**类型数据，和**字符串读取**类似，返回一个`ByteBuffer`字节缓存对象。

public ByteBuffer readBinary() throws TException { int size = readI32(); checkStringReadLength(size); if (trans_.getBytesRemainingInBuffer() >= size) { ByteBuffer bb = ByteBuffer.wrap(trans_.getBuffer()， trans_.getBufferPosition()， size); trans_.consumeBuffer(size); return bb; } byte[] buf = new byte[size]; trans_.readAll(buf， 0， size); return ByteBuffer.wrap(buf); }

(d). 每个字段数据读取完成后，都需要再读取一个**字段结束标记**。

public void readFieldEnd() { }

(e). 当所有字段读取完成后，需要通过`readStructEnd()`再读入一个**结构完成标记**。

public void readStructEnd() { }

(f). 读取结束后，同样需要校验在`Thrift IDL`中定义为`required`的字段是否为空，是否合法。

# 总结 #

其实到这里，对于`Thrift`的**序列化机制**和**反序列化机制**的**具体实现**和**高效性**，相信各位已经有了比较深入的认识！

--------------------

欢迎关注技术公众号： 零壹技术栈

![零壹技术栈][1240]

本帐号将持续分享后端技术干货，包括虚拟机基础，多线程编程，高性能框架，异步、缓存和消息中间件，分布式和微服务，架构学习和进阶等学习资料和文章。

[Thrift_Serialization_Pair.png]: http://ols3fdyll.bkt.clouddn.com/Thrift_Serialization_Pair.png
[Thrift_Pair_write.png]: http://ols3fdyll.bkt.clouddn.com/Thrift_Pair_write.png
[Thrift_Pair_Scheme.png]: http://ols3fdyll.bkt.clouddn.com/Thrift_Pair_Scheme.png
[Thrift_Pair_Standard_Scheme_Write.png]: http://ols3fdyll.bkt.clouddn.com/Thrift_Pair_Standard_Scheme_Write.png
[Thrift_Pair_scheme2.png]: http://ols3fdyll.bkt.clouddn.com/Thrift_Pair_scheme2.png
[Thrift_Pair_read.png]: http://ols3fdyll.bkt.clouddn.com/Thrift_Pair_read.png
[1240]: /images/20220511/fa9dbc0c6af249cc940e3f7a3af2cadc.png