博客
关于我
[原创翻译]Protocol Buffer Basics: C#
阅读量:435 次
发布时间:2019-03-06

本文共 1773 字,大约阅读时间需要 5 分钟。

Protocol Buffers(Protocol Buffers,简称Protobuf)是一种高效、灵活的数据序列化协议,广泛应用于跨平台数据传输和存储。作为C#开发者,你可能会想了解它的优势以及如何在实际项目中应用。本文将从基础到应用,逐步介绍Protobuf的使用方法。

为什么选择Protocol Buffers?

Protobuf的主要优势在于其高效率和跨平台支持。与传统的XML或二进制序列化方式相比,Protobuf能够以更小的字节数表示数据,同时保持高读写速度。其自动生成的代码和动态性质使得开发者能够快速构建和优化数据协议。

Protobuf的定义与使用

Protobuf的核心在于定义数据结构。开发者需要编写一个.proto文件,描述要序列化的数据类型。每个字段都需要指定名称和类型,支持基本类型(如bool、int32、float、double、string)以及嵌套消息(如枚举、子消息等)。

以下是一个简单的示例:

syntax = "proto3";package tutorial;message Person {  string name = 1;  int32 id = 2;  string email = 3;  enum PhoneType {    MOBILE = 0;    HOME = 1;    WORK = 2;  }  message PhoneNumber {    string number = 1;    PhoneType type = 2;  }  repeated PhoneNumber phones = 4;}message AddressBook {  repeated Person people = 1;}

编译Protobuf文件

在定义好协议后,需要使用protoc编译器将.proto文件转换为目标语言(如C#)的代码。运行以下命令:

protoc -I=$SRC_DIR --csharp_out=$DST_DIR $SRC_DIR/addressbook.proto

编译结果会生成一组C#类,包括AddressBookPerson等,能够高效处理Protobuf数据。

解析与序列化

在C#中,Protobuf的解析和序列化非常简单。生成的类都带有WriteToParseFrom方法,支持将对象序列化为二进制数据或ByteString。以下是一个示例:

using Google.Protobuf;// 读取并解析数据Person john = Person.Parser.ParseFrom(stream);// 序列化数据using (var output = File.Create("john.dat")) {    john.WriteTo(output);}

扩展Protobuf协议

随着项目需求的变化,协议可能需要扩展。关键要注意以下几点:

  • 标签数字不可变:确保新字段使用未使用的标签数字。
  • 字段不可删:删除字段会导致旧数据无法正确解析。
  • 保持向前兼容:新版本应仍能读取旧格式的数据。
  • 反射功能

    Protobuf提供了反射API,可以通过IMessage.Descriptor获取消息的元数据。例如,以下代码可以遍历消息的顶级字段:

    public void PrintMessage(IMessage message) {    var descriptor = message.Descriptor;    foreach (var field in descriptor.Fields.InDeclarationOrder()) {        Console.WriteLine("Field {0} ({1}): {2}",            field.FieldNumber, field.Name, field.Accessor.GetValue(message));    }}

    总结

    Protocol Buffers是一种强大的数据序列化工具,广泛应用于分布式系统和跨平台通信。通过定义.proto文件,你可以自定义数据结构,编写高效的C#类进行解析和序列化。其灵活性和高性能使其成为现代应用开发的重要选择。

    转载地址:http://gmnyz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>