目 录CONTENT

文章目录

深入浅出 FlatBuffers 之 FlexBuffers

ByteNews
2022-01-31 / 0 评论 / 0 点赞 / 10,580 阅读 / 5,528 字 / 正在检测是否收录...
温馨提示:
本文最后更新于 2022-01-31,若内容或图片失效,请留言反馈。部分素材来自网络,若不小心影响到您的利益,请联系我们删除。

深入浅出 FlatBuffers 之 FlexBuffers

一. FlexBuffers 是什么?

FlexBuffers 是 FlatBuffers 中一个 schema-less 的版本。它和 FlatBuffers 其他类型编码原理一样,所有的数据也都是通过偏移量来访问的,所有的标量都按照它们自己的大小对齐,并且所有的数据总是以小端格式存储。

一个不同之处在于 FlexBuffers 是从前到后构建的,因此子项存储在父项之前,并且 root table 是从最后一个字节处开始。

另一个区别是标量数据的存储位数 bit 是可变的(8/16/32/64)。当前宽度总是由父级确定,即如果标量位于数组中,则数组一次确定所有元素的所占字节宽度。为特定的数组选择最小 bit 位宽是编码器自动执行的操作,因此通常不需要用户担心它,但是了解此功能(当然不会在一个每个元素大小都是一个字节的数组中插入一个 double)更有助于提高效率。

FlexBuffers 与 FlatBuffers 不同,它只有一种偏移量,它是一个无符号整数,用于表示自身地址(存储偏移量的地方)的负方向上的偏移的字节数。

二. 为什么要发明 FlexBuffers ?

有时候需要存储一些不符合 schema 格式的数据,因为无法提前知道需要存储哪些内容。出于此目的,FlexBuffers 就诞生了。FlatBuffers 有一个称为 FlexBuffers 的专用格式。这是一种二进制格式,可以与 FlatBuffers 一起使用(通过以 FlexBuffers 格式存储缓冲区的一部分),或者也可以作为自己独立的序列化格式。

虽然失去了强大的类型功能,但仍然保留 FlatBuffers 在其他序列化格式(基于 schema 或不基于 schema)上最独特的优势:也可以在不解析/复制/分配对象的情况下访问 FlexBuffers。这在效率/内存友好性方面是一个优势,并且允许独特的用法,例如映射大量的自由格式数据。

FlexBuffers 的设计和实现是一种非常紧凑的编码,将字符串的自动合并与容器大小结合在一起,自动跳转大小(8/16/32/64 位)。许多值和 offset 可以用 8 位编码。虽然没有 schema 的结构,由于需要具有自描述性,所以通常体积会变得更大一些,但与常规 FlatBuffers 相比,FlexBuffers 在许多情况下会生成更小的二进制文件。

需要注意的是,FlexBuffers 比普通的 FlatBuffers 还要慢,所以我们建议只在需要时使用它。

三. FlexBuffers 中的 Vectors

如何表示一个 vectors 是 FlexBuffers 编码的核心。

正如上面提到的,一个数组中每个元素的宽度是由它的父类提供的,数组中会包含 size 字段。举个例子,一个数组中存储 1,2,3,编码如下:

uint8_t 3, 1, 2, 3, 4, 4, 4

第一个字段存储的就是 size 字段,放在所有数组元素之前。这一点和 flatbuffer 是完全一致的。需要注意的是,从父类元素偏移到此数组,offset 是指向第一个元素的,而不是 size 字段,所以 size 字段位于 offset - 1 的地方。

由于这是一个无类型的数组 SL_VECTOR,它后面跟着 3 个类型字节(每个矢量元素一个字节),它们总是跟随着矢量,并且即使矢量由更大的标量组成,类型也总是一个 uint8_t。

四. FlexBuffers 中的 Types

一个类型字节由 2 个部分构成。

  • 低 2 位代表的是孩子的位宽(8,16,32,64),只有在通过偏移量访问孩子(如子数组)时才会使用此项。内联类型可以忽略这条规则。
  • 高 6 位代表的实际类型。

因此,上面例子中 4 代表的是孩子是 8 bit 的,(低 2 位为 0,这里不会被用到,因为都是内联类型),类型是 SL_INT (value 1)。

具体可以见 flexbuffers.h

Typed vectors 仅适用于这些节省空间要求很高的类型子集,即内联有符号/无符号整数(TYPE_VECTOR_INT / TYPE_VECTOR_UINT),浮点数(TYPE_VECTOR_FLOAT)和键(TYPE_VECTOR_KEY,见下文)。

另外,对于标量来说,固定长度为 2 / 3 / 4 的数组,是不存储 size 字段的(TYPE_VECTOR_INT2 等),以便在存储常用矢量或颜色数据时节省空间。

五. FlexBuffers 中的 Scalars

FlexBuffers 支持整数(TYPE_INT 和 TYPE_UINT)和浮点数(TYPE_FLOAT)。它们可以以内联方式和偏移方式存储(TYPE_INDIRECT_ *)。

布尔值(TYPE_BOOL)和空值(TYPE_NULL)被编码为内联无符号整数。

blob(TYPE_BLOB)的编码类似于一个数组,但有一点不同:它元素始终为 uint8_t。父位宽度仅确定大小字段的宽度,允许 blob 很大而不会使元素变大。

字符串(TYPE_STRING)类似于 blob,但为了方便起见,它们有一个附加的 0 终止字节,它们必须是 UTF-8 编码的(因为不支持指向 UTF-8 数据的语言的访问器可能必须将它们转换到本地字符串类型)。

“Key”(TYPE_KEY)类似于字符串,但不存储 size 字段。它们的命名是因为它们与 map 一起使用,它们不关心大小,因此可以更加紧凑。与字符串不同,键不能包含值为 0 的字节作为其数据的一部分(大小只能由 strlen 决定),因此,如果您愿意,可以在 map 上下文中使用它们,但通常情况下,您最好使用字符串。

六. FlexBuffers 中的 Maps

map(TYPE_MAP)就像一个(无类型)数组,但在 size 字段之前有两个前缀:

由于 map 与数组相同,因此它可以像数组一样迭代(这可能比按 key 查找快)。

key 数组是以 key 为类型的数组。key 和相应的 value 必须按排序顺序(由 strcmp 确定顺序)存储,以便可以使用二分搜索进行查找。

key 向量是单独的值数组的原因是它可以在多个值数组之间共享,并且还允许它在代码中被视为它自己的单独数组。

举个例子,map { foo: 13, bar: 14 } 会被编码成下面的样子 :

0 : uint8_t 'b', 'a', 'r', 0
4 : uint8_t 'f', 'o', 'o', 0
8 : uint8_t 2      // key vector of size 2
// key vector offset points here
9 : uint8_t 9, 6   // offsets to bar_key and foo_key
11: uint8_t 2, 1   // offset to key vector, and its byte width
13: uint8_t 2      // value vector of size
// value vector offset points here
14: uint8_t 14, 13 // values
16: uint8_t 4, 4   // types

七. FlexBuffers 中的 root

如前所说的,FlexBuffers 中的 root 是开始于 buffer 的末尾。最后一个 uint8_t 是 root 节点的宽度(通常父节点确定宽度,但根没有父节点)。在宽度之前的 uint8_t 是 root 的类型字段。并且在宽度之前的字节是 root 的值(由最后一个字节指定的字节数)。

举个例子:如果 root 的值为 13:

uint8_t 13, 4, 1    // Value, type, root byte width.

八. FlexBuffers 的用法举例

创建一个 buffer:

flexbuffers::Builder fbb;
fbb.Int(13);
fbb.Finish();

flexbuffers 可以创建任何值,只要最后调用 Finish() 即可。不像 FlatBuffers 要求 root 值是一个 table,这里任何值都可以是 root,包括一个孤立的 int 值。

您现在可以访问包含编码值为 fbb.GetBuffer()std::vector <uint8_t>。这个时候 buffer 和 FlatBuffers 的 buffer 用法一样,可以继续写入,发送这个 buffer,或者将它存储在父 FlatBuffer 中。在这种情况下,buffer 的大小只有 3 个字节。

读取值非常简单:

auto root = flexbuffers::GetRoot(my_buffer);
int64_t i = root.AsInt64();

FlexBuffers 仅仅存储需要的大小,因此它不区分不同大小的整数。不管你输入什么内容,你都可以要求读取 64 位的版本。实际上,由于你需要将 root 作为一个 int 来读取,如果你提供一个实际上包含一个 float 的 buffer 或者一个带有数字的字符串,FlexBuffers 会随时为你转换它,如果不能转换,则返回 0。如果想在访问 buffer 之前知道 buffer 内的内容,则可以调用 root.GetType()root.IsInt() 等。

再举一个复杂一点的例子,往 FlexBuffers 中写入一下复杂的数据:

fbb.Map([&]() {
  fbb.Vector("vec", [&]() {
    fbb.Int(-100);
    fbb.String("Fred");
    fbb.IndirectFloat(4.0f);
  });
  fbb.UInt("foo", 100);
});

上面这段代码相当于一个 JSON

{
    "vec":[
        -100,
        "Fred",
        4.0
    ],
    "foo":100
}

root 是一个只有两个 key-value 的字典,key 为 vec 和 foo 。与 FlatBuffers 不同的是,它实际上必须将这些 key 存储在 buffer 中(如果通过 k-v 池来存储多个此类对象,它只会执行一次),但与 FlatBuffers 不同的是,它对使用的 key(字段)没有限制。

上面例子中 map 中的第一个值是一个数组。与 FlatBuffers 不同,数组里面可以使用混合类型。还有一种 TypedVector 变种,它只允许一种类型,并且能占用更少的内存。

IndirectFloat 是一个有趣的功能,允许你按偏移量 offset 去存储值,而不是内联的方式。虽然这不会对用户产生任何可见的变化,但是可以共享不止一次出现的很大的值(特别是双精度或 64 位整数)。另一个用法是数组内部,其中最大的元素导致所有元素的 size 都变大了(例如,单个 double 将所有元素强制为 64 位),因此如果 double 可以间接存储,利用 IndirectFloat,则将大量小整数与 double 分开存储会更有效。

读取上面例子中的 JSON:

auto map = flexbuffers::GetRoot(my_buffer).AsMap();
map.size();  // 2
auto vec = map["vec"].AsVector();
vec.size();  // 3
vec[0].AsInt64();  // -100;
vec[1].AsString().c_str();  // "Fred";
vec[1].AsInt64();  // 0 (Number parsing failed).
vec[2].AsDouble();  // 4.0
vec[2].AsString().IsTheEmptyString();  // true (Wrong Type).
vec[2].AsString().c_str();  // "" (This still works though).
vec[2].ToString().c_str();  // "4" (Or have it converted).
map["foo"].AsUInt8();  // 100
map["unknown"].IsNull();  // true

当然 flexbuffer 也可以嵌套在 table 中的任何字段中。可以声明一个字段内包含 flexbuffer。

a:[ubyte] (flexbuffer);

经过编译以后,将为该字段生成一个特殊的访问器,允许你直接访问 root 值,例如 a_flexbuffer_root().AsInt64()

九. FlexBuffers 的一些建议

  1. 数组通常比 map 更有效,所以当有很多小对象时,优先使用 数组。使用数组来代替具有 x,y 和 z key 的映射。更好的是,使用类型化的数组。或者甚至更好,使用固定大小的类型化的数组。
  2. map 与数组兼容,并且可以像数组那样迭代。您可以只迭代值 (map.Values()),或者与 key 数组 (map.Keys()) 并行迭代。如果您打算访问大多数或全部元素,这比通过 key 查找每个元素要快,因为这涉及 key 数组的二分搜索。
  3. 如果可能的话,不要在有很多小数字的数组中混合需要较大位宽(例如 double)的值,因为所有元素都将调整到此宽度。如果有可能,请使用 IndirectDouble。请注意,整数自动使用尽可能小的宽度,即如果要求序列化一个实际数值很小的 int64_t 值,则将自动使用较少的位。Double 会无损地表示为 float,但这只对少数值才有可能。由于嵌套数组/map 存储在偏移量上,因此它们通常不会影响数组宽度。
  4. 要存储大量字节数据,请使用 blob 类型。如果您使用的是类型化数组去存储这个大数据,size 字段的位宽可能会使其占用空间超出预期,并且可能与 memcpy 不兼容。同样,如果它们的大小可能超过 64k 个元素,(u)int16_t 的大数组可能更适合作为二进制 blob 存储。结构和用法和字符串类似。

0

评论区