谷歌开源高效、跨平台的序列化库FlatBuffers
2015-04-09 18:21
387 查看
近日,谷歌“Fun Propulsion Labs”团队开源了FlatBuffers。该库的构建是专门为游戏开发人员的性能需求提供支持,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。
FlatBuffers有如下一些关键特性——
访问序列化数据不需要打包/拆包
节省内存而且访问速度快——缓存只占用访问数据所需要的内存;不需要任何额外的内存。
灵活性——通过可选字段向前向后兼容
代码规模小
强类型——错误在编译时捕获,而不是在运行时
便利性——生成的C++头文件代码简洁。如果需要,有一项可选功能可以用来在运行时高效解析Schema和JSON-like格式的文本。
跨平台——使用C++编写,不依赖STL之外的库,因此可以用于任何有C++编辑器的平台。当前,该项目包含构建方法和在Android、Linux、Windows和OSX等操作系统上使用该库的示例。
与Protocol Buffers或JSON Parsing这样的可选方案相比,FlatBuffers的优势在于开销更小,这主要是由于它没有解析过程。
在C++中使用FlatBuffers包含以下步骤——
使用专用的DSL创建schema文件
使用schema编译器生成C++头文件
在用户程序中包含生成的头文件(而且需要在路径中包含flatbuffers/flatbuffers.h文件)
使用FlatBufferBuilder类(它会构造一个平面二进制缓冲区)读写数据
正如前期讨论组中的讨论,FlatBuffers明显有些不完善的地方。对Java的支持还在试验阶段。对C#的支持是要求最多的功能之一,可能在下个版本提供。
读者可以查阅文档来了解更多信息。
Cap’n Proto也是一个值得了解一下的项目,它旨在通过避免编码/解码过程来获得性能收益。
查看英文原文:Google Open-Sources
FlatBuffers:Efficient, Cross-Platform, Serialization Library
转自 http://www.infoq.com/cn/news/2014/06/flatbuffers/
FlatBuffers有如下一些关键特性——
访问序列化数据不需要打包/拆包
节省内存而且访问速度快——缓存只占用访问数据所需要的内存;不需要任何额外的内存。
灵活性——通过可选字段向前向后兼容
代码规模小
强类型——错误在编译时捕获,而不是在运行时
便利性——生成的C++头文件代码简洁。如果需要,有一项可选功能可以用来在运行时高效解析Schema和JSON-like格式的文本。
跨平台——使用C++编写,不依赖STL之外的库,因此可以用于任何有C++编辑器的平台。当前,该项目包含构建方法和在Android、Linux、Windows和OSX等操作系统上使用该库的示例。
与Protocol Buffers或JSON Parsing这样的可选方案相比,FlatBuffers的优势在于开销更小,这主要是由于它没有解析过程。
在C++中使用FlatBuffers包含以下步骤——
使用专用的DSL创建schema文件
使用schema编译器生成C++头文件
在用户程序中包含生成的头文件(而且需要在路径中包含flatbuffers/flatbuffers.h文件)
使用FlatBufferBuilder类(它会构造一个平面二进制缓冲区)读写数据
正如前期讨论组中的讨论,FlatBuffers明显有些不完善的地方。对Java的支持还在试验阶段。对C#的支持是要求最多的功能之一,可能在下个版本提供。
读者可以查阅文档来了解更多信息。
Cap’n Proto也是一个值得了解一下的项目,它旨在通过避免编码/解码过程来获得性能收益。
查看英文原文:Google Open-Sources
FlatBuffers:Efficient, Cross-Platform, Serialization Library
转自 http://www.infoq.com/cn/news/2014/06/flatbuffers/
相关文章推荐
- Google FlatBuffers——开源、跨平台的新一代序列化工具
- Google FlatBuffers——开源、跨平台的新一代序列化工具
- 开源、高效、跨平台:深剖Google FlatBuffers工作原理
- Google FlatBuffers——开源、跨平台的新一代序列化工具
- Google FlatBuffers——开源、跨平台的新一代序列化工具
- 开源、高效、跨平台:深剖Google FlatBuffers工作原理
- 谷歌开源MobileNets:在移动设备上高效运行的计算机视觉模型
- Google序列化库FlatBuffers 1.1发布,及与protobuf的比较
- Vim - 文本/代码编辑器之中最为优秀经典的上古神器!强大、高效、免费开源且跨平台!
- 【转】【UNITY3D 游戏开发之五】Google-protobuf与FlatBuffers数据的序列化和反序列化
- Microsoft开源跨平台的序列化库——Bond
- 【转】【UNITY3D 游戏开发之五】Google-protobuf与FlatBuffers数据的序列化和反序列化
- Vim - 文本/代码编辑器之中最为优秀经典的上古神器!强大、高效、免费开源且跨平台!
- Microsoft开源跨平台的序列化库——Bond
- 开源跨平台数据格式化框架概览
- 跨平台的一些开源框架
- 谷歌开源 TFGAN,让训练和评估 GAN 变得更加简单
- Java利用protostuff实现高效序列化
- Igor Moochnick发布PowerShell开源跨平台版Pash
- GamePlay:跨平台开源3D游戏引擎,黑莓的努力你不懂