Android FlatBuffers实战

FlatBuffers是Google开源的一个跨平台的、高效的、提供了C++/Java接口的序列化 工具 库，它是Google专门为游戏开发或其他性能敏感的应用程序需求而创建。尤其适用移动，嵌入式平台，这些平台在内存大小及带宽相比桌面系统都是受限的，而应用程序比如游戏又有更高的性能要求。它将序列化数据存储在缓存中，这些数据既可以存储在文件中，又可以通过网络原样传输，而不需要任何解析开销。以下是项目地址： 代码托管主页： github.com/google/flat… 项目介绍主页： google.github.io/flatbuffers…

FlatBuffers优势

相比传统的JSON和Protocol Buffers等序列化工具，FlatBuffers具有如下的一些优点：

• 不需要解析/拆包就可以访问序列化数据 ：FlatBuffers与其他库不同之处就在于它使用二进制缓冲文件来表示层次数据，这样它们就可以被直接访问而不需解析与拆包，同时还支持数据结构进化（前进、后退兼容性）。
• 内存高效速度快 ：访问数据时只需要访问内存中的缓冲区。它不需要多余的内存分配（至少在C++是这样，其他语言中可能会有变动）。 FlatBuffers还适合配合 mmap或数据流使用，只需要缓冲区的一部分存储在内存中。访问时速度接近原结构访问，只有一点延迟（一种虚函数表vtable），是为了允许格式升级以 及可选字段。FlatBuffers适合那些花费了大量时间和空间（内存分配）来访问和构建序列化数据的项目，比如游戏以及其他对表现敏感的应用。可以参考FlatBuffers基准。
• 灵活 ：由于具有可选字段，你不但有很强的升级和回退兼容性（对于历史悠久的游戏尤其重要，不用为了每个版本升级所有数据），在选择要存储哪些数据以及设计数据结构时也很自由。
• 轻量的code footprint ：FlatBuffers只需要很少量的生成代码，以及一个表示最小依赖的很小的头文件，很容易集成。
• 强类型 ：当编译时报错时，不需要自己写重复的容易出错的运行时检查，它可以自动生成有用的代码。
• 使用方便 ：生成的C++代码允许精简访问与构建代码，还有可选的用于实现图表解析、类似JSON的运行时字符串展示等功能的方法。（后者比JSON解析库更快，内存效率更高）。
• 代码跨平台且没有依赖 ：C++代码可以运行在任何近代的gcc/clang和VS2010上，同时还有用于测试和范例的构建文件（Android中.mk文件，其他平台是cmake文件）。

VS Protocol Buffers和JSON

Protocol Buffers的确和FlatBuffers比较类似，但其主要区别在于FlatBuffers在访问数据前不需要解析/拆包这一步，而且Protocol Buffers既没有可选的文本导入/导出功能，也没有Schemas语法特性（比如union）。

JSON是一种轻量级的数据交换格式，JSON 可以将 JavaScript 对象中表示的一组数据转换为字符串，然后就可以在函数之间轻松地传递这个字符串，或者在异步应用程序中将字符串从 Web 客户机传递给服务器端程序。JSON和动态类型语言（如JavaScript）一起使用时非常方便。然而在静态类型语言中序列化数据时，JSON不但具有运行效率低的明显缺点，而且会让你写更多的代码来访问数据。

FlatBuffers究竟有多提高

• 解析速度 ：解析一个20KB的JSON流需要35ms，超过了UI刷新间隔也就是16.6ms。如果解析JSON的话，我们就在滑动时就会因为要从磁盘加载缓存而导致掉帧（视觉上的卡顿）。
• 解析器初始化 ：一个JSON解析器需要先构建字段映射再进行解析，这会花100ms到200ms，很明显的拖缓App启动时间。
• 垃圾回收 在解析JSON时创建了很多小对象，在我们的试验中，解析20kb的JSON流时，要分配大约100kb的瞬时存储，对 Java 内存回收造成很大压力。

FlatBuffers实战

FlatBuffers运作流程

首先来看一下FlatBuffers项目为开发者提供了哪些内容，可以从官网下载源码，其目录结构如下图：

如果要将FlatBuffers 用到我们的项目中，又需要哪些流程呢？可以参考下面的流程图：

FlatBuffers用法

就像Parcel和Serializable的序列化一样，FlatBuffers的是使用方式上也比最传统的JSON序列化要复杂的多。在实际上面开发中，为了降低开发的难度，提高开发效率，我们会将源码编译成可植入的第三方库。下面以Java环境为例，来介绍FlatBuffers的简单使用方法。读者可以到对应的maven仓库下载。

现在，假如我们拿到的json文件的格式是下面这样的：

{
  "repos": [
    {
      "id": 27149168,
      "name": "acai",
      "full_name": "google/acai",
      "owner": {
        "login": "google",
        "id": 1342004,
        ...
        "type": "Organization",
        "site_admin": false
      },
      "private": false,
      "html_url": "https://github.com/google/acai",
      "description": "Testing library for JUnit4 and Guice.",
      ...
      "watchers": 21,
      "default_branch": "master"
    },
    ...
  ]
}

复制代码

注：可以通过下面的链接来获取更 完整的json对象

模式文件

我们需要准备一个model文件，它定义了我们想要序列化/反序列化 的数据结构，这个模式将被flatc用于创建Java模型以及从JSON到FlatBuffer二进制文件的转换。

现在，我们所要做的所有事情就是创建3个表：ReposList，Repo和User，并定义root_type。例如：

table ReposList {
    repos : [Repo];
}

table Repo {
    id : long;
    name : string;
    full_name : string;
    owner : User;
    //...
    labels_url : string (deprecated);
    releases_url : string (deprecated);
}

table User {
    login : string;
    id : long;
    avatar_url : string;
    gravatar_id : string;
    //...
    site_admin : bool;
}

root_type ReposList;
复制代码

注：完整的模式文件可以 点击下面的链接 来获取

FlatBuffers文件

接下来，我们所需要做的就是将repos_json.json转换为FlatBuffers二进制文件，并产生Java模型，其可以以Java友好的方式表示我们的数据，下面是转换的命令：

$ ./flatc -j -b repos_schema.fbs repos_json.json
复制代码

如果没有任何报错，将会生成如下4个文件：

repos_json.bin (将被重命名为repos_flat.bin)
Repos/Repo.java
Repos/ReposList.java
Repos/User.java
复制代码

测试

接下来，我们可以使用FlatBuffers提供的Java库来处理在Java中直接处理这种数据格式，此处使用需要使用到 flatbuffers-java-1.2.0-SNAPSHOT.jar 。

public class MainActivity extends AppCompatActivity {

    @Bind(R.id.tvFlat)
    TextView tvFlat;
    @Bind(R.id.tvJson)
    TextView tvJson;

    private RawDataReader rawDataReader;

    private ReposListJson reposListJson;
    private ReposList reposListFlat;

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        ButterKnife.bind(this);
        rawDataReader = new RawDataReader(this);
    }

    @OnClick(R.id.btnJson)
    public void onJsonClick() {
        rawDataReader.loadJsonString(R.raw.repos_json).subscribe(new SimpleObserver<String>() {
            @Override
            public void onNext(String reposStr) {
                parseReposListJson(reposStr);
            }
        });
    }

    private void parseReposListJson(String reposStr) {
        long startTime = System.currentTimeMillis();
        reposListJson = new Gson().fromJson(reposStr, ReposListJson.class);
        for (int i = 0; i < reposListJson.repos.size(); i++) {
            RepoJson repo = reposListJson.repos.get(i);
            Log.d("FlatBuffers", "Repo #" + i + ", id: " + repo.id);
        }
        long endTime = System.currentTimeMillis() - startTime;
        tvJson.setText("Elements: " + reposListJson.repos.size() + ": load time: " + endTime + "ms");
    }

    @OnClick(R.id.btnFlatBuffers)
    public void onFlatBuffersClick() {
        rawDataReader.loadBytes(R.raw.repos_flat).subscribe(new SimpleObserver<byte[]>() {
            @Override
            public void onNext(byte[] bytes) {
                loadFlatBuffer(bytes);
            }
        });
    }

    private void loadFlatBuffer(byte[] bytes) {
        long startTime = System.currentTimeMillis();
        ByteBuffer bb = ByteBuffer.wrap(bytes);
        reposListFlat = frogermcs.io.flatbuffs.model.flat.ReposList.getRootAsReposList(bb);
        for (int i = 0; i < reposListFlat.reposLength(); i++) {
            Repo repos = reposListFlat.repos(i);
            Log.d("FlatBuffers", "Repo #" + i + ", id: " + repos.id());
        }
        long endTime = System.currentTimeMillis() - startTime;
        tvFlat.setText("Elements: " + reposListFlat.reposLength() + ": load time: " + endTime + "ms");

    }
}
复制代码

在上面的示例代码中，有两个方法是比较核心的，需要我们注意。

• parseReposListJson(String reposStr) ：初始化Gson解析器并将json字符串转换为Java对象。
• loadFlatBuffer(byte[] bytes) 将bytes（即repos_flat.bin文件）转为Java对象。

耗时测试

下面我们来测试下FlatBuffers和传统的json在数据解析上的耗时，我们以4mb的JSON文件为例。

参考： 在Android中使用FlatBuffers FlatBuffers官方doc