背景

上一篇已經(jīng)介紹了定制了一個(gè)建議的RPC框架：簡(jiǎn)易R(shí)PC實(shí)現(xiàn)，
之前的實(shí)現(xiàn)方式是Fastjson，但是為了進(jìn)一步優(yōu)化框架的性能。

幾種常見(jiàn)的序列化方式

• java自帶的序列化，對(duì)象繼承Serializable
• xml，json，fastjson
• Avro
• Protobuf
  等等

一些簡(jiǎn)單的比較

Serializable

優(yōu)點(diǎn)： java原生，java工程中出鏡率高
缺點(diǎn)：性能差，空間占用多，在網(wǎng)絡(luò)通信中用得很少，需要指定serialVersionUID

xml，json，fastjson

優(yōu)點(diǎn)：可讀性好，fastjson在速度上有優(yōu)勢(shì)，json格式在建站，特別是對(duì)于性能要求不是很高的場(chǎng)景應(yīng)用很廣泛。
缺點(diǎn)：xml，json性能和空間占用上都沒(méi)有優(yōu)勢(shì)，fastjson在國(guó)內(nèi)用得很多，但是文檔不全，時(shí)間類的序列化有bug，國(guó)際上口碑一般。

avro

優(yōu)點(diǎn)：Avro 是 Hadoop 的一個(gè)子項(xiàng)目，Avro提供兩種序列化格式：JSON格式或者Binary格式。Binary格式在空間開(kāi)銷和解析性能方面可以和Protobuf媲美，動(dòng)態(tài)語(yǔ)言友好，Avro提供的機(jī)制使動(dòng)態(tài)語(yǔ)言可以方便地處理Avro數(shù)據(jù)。avro是基于schema（模式），這和protobuf、thrift沒(méi)什么區(qū)別

protobuf

優(yōu)點(diǎn)：跨語(yǔ)言，可自定義數(shù)據(jù)結(jié)構(gòu)。二進(jìn)制消息，效率高，性能高。Netty等框架集成了該協(xié)議。序列化后碼流小，性能高。提供結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)格式（XML JSON等）
缺點(diǎn)：二進(jìn)制格式，可讀性差（抓包dump后的數(shù)據(jù)很難看懂）
適用場(chǎng)景：

• 對(duì)性能要求高的RPC調(diào)用
• 具有良好的跨防火墻的訪問(wèn)屬性
• 適合應(yīng)用層對(duì)象的持久化

選型建議

受到這個(gè)文章的啟發(fā)：
https://www.cnblogs.com/wkcode/p/10431096.html

耗時(shí)

空間占用

分析上圖知：

• XML序列化（Xstream）無(wú)論在性能和簡(jiǎn)潔性上比較差。
• Thrift與Protobuf相比在時(shí)空開(kāi)銷方面都有一定的劣勢(shì)。
• Protobuf和Avro在兩方面表現(xiàn)都非常優(yōu)越。

不同的場(chǎng)景適用的序列化協(xié)議：

• 對(duì)于公司間的系統(tǒng)調(diào)用，如果性能要求在100ms以上的服務(wù)，基于XML的SOAP協(xié)議是一個(gè)值得考慮的方案。
• 基于Web browser的Ajax，以及Mobile app與服務(wù)端之間的通訊，JSON協(xié)議是首選。對(duì)于性能要求不太高，或者以動(dòng)態(tài)類型語(yǔ)言為主，或者傳輸數(shù)據(jù)載荷很小的的運(yùn)用場(chǎng)景，JSON也是非常不錯(cuò)的選擇。
• 對(duì)于調(diào)試環(huán)境比較惡劣的場(chǎng)景，采用JSON或XML能夠極大的提高調(diào)試效率，降低系統(tǒng)開(kāi)發(fā)成本。
• 當(dāng)對(duì)性能和簡(jiǎn)潔性有極高要求的場(chǎng)景，Protobuf，Thrift，Avro之間具有一定的競(jìng)爭(zhēng)關(guān)系。
• 對(duì)于T級(jí)別的數(shù)據(jù)的持久化應(yīng)用場(chǎng)景，Protobuf和Avro是首要選擇。如果持久化后的數(shù)據(jù)存儲(chǔ)在Hadoop子項(xiàng)目里，Avro會(huì)是更好的選擇。
• 由于Avro的設(shè)計(jì)理念偏向于動(dòng)態(tài)類型語(yǔ)言，對(duì)于動(dòng)態(tài)語(yǔ)言為主的應(yīng)用場(chǎng)景，Avro是更好的選擇。
• 對(duì)于持久層非Hadoop項(xiàng)目，以靜態(tài)類型語(yǔ)言為主的應(yīng)用場(chǎng)景，Protobuf會(huì)更符合靜態(tài)類型語(yǔ)言工程師的開(kāi)發(fā)習(xí)慣。
• 如果需要提供一個(gè)完整的RPC解決方案，Thrift是一個(gè)好的選擇。
• 如果序列化之后需要支持不同的傳輸層協(xié)議，或者需要跨防火墻訪問(wèn)的高性能場(chǎng)景，Protobuf可以優(yōu)先考慮。
  空間

Protobuf實(shí)現(xiàn)

結(jié)合以上信息，項(xiàng)目對(duì)于性能要求較高，決定使用Protobuf作為序列化協(xié)議。

Objenesis的使用

Java已經(jīng)支持使用class.newinstance()的類動(dòng)態(tài)實(shí)例化，但是必須要有一個(gè)合適的構(gòu)造函數(shù)。而很多場(chǎng)景下類不能夠用這種方式去實(shí)例化，例如：

構(gòu)造函數(shù)需要參數(shù)（Constructors that require arguments）
有副作用的構(gòu)造函數(shù)（Constructors that have side effects）
會(huì)拋出異常的構(gòu)造函數(shù)（Constructors that throw exceptions）

Objenesis objenesis = new ObjenesisStd(); // or ObjenesisSerializer
MyThingy thingy1 = (MyThingy) objenesis.newInstance(MyThingy.class);

// or (a little bit more efficient if you need to create many objects)

Objenesis objenesis = new ObjenesisStd(); // or ObjenesisSerializer
ObjectInstantiator thingyInstantiator = objenesis.getInstantiatorOf(MyThingy.class);

MyThingy thingy2 = (MyThingy)thingyInstantiator.newInstance();
MyThingy thingy3 = (MyThingy)thingyInstantiator.newInstance();
MyThingy thingy4 = (MyThingy)thingyInstantiator.newInstance();

核心代碼

    public static <T> String serializer(T obj) {
        Class<T> cls = (Class<T>) obj.getClass();
        LinkedBuffer buffer = LinkedBuffer.allocate(LinkedBuffer.DEFAULT_BUFFER_SIZE);
        try {
            Schema<T> schema = getSchema(cls);
            return new String(ProtostuffIOUtil.toByteArray(obj, schema, buffer));
        } catch (Exception e) {
            log.error("protobuf序列化失敗");
            throw new IllegalStateException(e.getMessage(), e);
        } finally {
            buffer.clear();
        }
    }

    public static <T> T deserializer(byte[] bytes, Class<T> clazz) {
        try {
            T message = (T) objenesis.newInstance(clazz);
            Schema<T> schema = getSchema(clazz);
            ProtostuffIOUtil.mergeFrom(bytes, message, schema);
            return message;
        } catch (Exception e) {
            log.error("protobuf反序列化失敗");
            throw new IllegalStateException(e.getMessage(), e);
        }
    }

實(shí)驗(yàn)結(jié)果比較

測(cè)試對(duì)象：

@Data
public class TestObject {

    String a = "123";
    String a1 = "a1";
    String a2 = "a2";
    Integer b = 10;
    Double c = 2.5;

    List<String> d = Arrays.asList(new String[]{"1", "2"});
    Map<String, String> e = new HashMap<String, String>(){
            {
                    put("ak", "av");
            }
    };

    Object f = null;
}

分別用fastjson和protobuf，序列化/反序列化 1000次：

fastjson si result:{"a":"123","a1":"a1","a2":"a2","b":10,"c":2.5,"d":["1","2"],"e":{"ak":"av"}}
fastjson desi result:TestObject(a=123, a1=a1, a2=a2, b=10, c=2.5, d=[1, 2], e={ak=av}, f=null)
fastjson cost:362
fastjson size:76

protebuf si result:
?123??a1??a2 
)?@2?12?2;?
?ak??av<
protebuf desi result:TestObject(a=123, a1=a1, a2=a2, b=10, c=2.5, d=[1, 2], e={ak=av}, f=null)
protebuf cost:275
protebuf size:42

可以看到，

• 字符長(zhǎng)度和耗時(shí)（cost，單位毫秒），protobuf優(yōu)于fastjson
• fastjson的可讀性較好