MessagePack简析

一、MessagePack是什么

先看官方的定义：MessagePack是一种高效的二进制序列化格式。它允许您像JSON一样在多个语言之间交换数据。但是，它更快并且更小。

 

从官方定义中，可以有如下的结论：

1. MessagePack是一个二进制序列化格式，因而它序列化的结果可以在多个语言间进行数据的交换。

2. 从性能上讲，它要比json的序列化格式要好。

3. 从结果大小上讲，它要比json的序列化结果要小。

 

但是官方并没有提MessagePack和google pb的对比，实际上从空间和时间两个方面对比，pb均要优于MessagePack，但pb相对MessagePack 的缺点是支持的语言种类比较少，需要编写专门的 .proto文件，使用上没有MessagePack方便。

 

二、MessagePack的主要概念

 

2.1 type system

类型体系是MessagePack的基础，也是MessagePack在序列化后比json占用空间小的关键。当前包含的type有如下几类：

• Integer represents an integer
• Nil represents nil
• Boolean represents true or false
• Float represents a IEEE 754 double precision floating point number including NaN and Infinity
• Raw
  • String extending Raw type represents a UTF-8 string
  • Binary extending Raw type represents a byte array
• Array represents a sequence of objects
• Map represents key-value pairs of objects
• Extension represents a tuple of type information and a byte array where type information is an integer whose meaning is defined by applications or MessagePack specification
  • Timestamp represents an instantaneous point on the time-line in the world that is independent from time zones or calendars. Maximum precision is nanoseconds.

 

这个类型体系将我们在代码开发中用到的数据格式进行了映射，并且通过Extension这个类型给使用者留出了自由扩充的空间，但由于表示形式的限制，当前Extension最多有127个。

 

每一种类型能够表示的范围可以查看MessagePack规范中的Limitation部分和Extension types部分。

 

2.2 formats

在MessagePack中一个value的组成格式是这样的：类型[长度][data]。下面列出几个示例，详细完整的描述请看附录中的MessagePack规范。

 

2.2.1常量型

比如对于null、true、false这三个值，在MessagePack会被固定的映射为如下的值。

format name	first byte (in binary)	first byte (in hex)
nil	11000000	0xc0
false	11000010	0xc2
true	11000011	0xc3

2.2.2 int型（包含有符号整数和无符号整数）

 

示例如下

 

• 0xcc表示当前的值的类型是无符号整数并且长度不超过8个bit，具体的值内容需要通过后续8个bit位的内容来计算
• 0xcd表示当前的值的类型是无符号整数并且长度不超过16个bit，具体的值内容需要通过后续16个bit位的内容来计算
• 0xd0表示当前的值的类型是有符号整数并且长度不超过8个bit，具体的值内容需要通过后续8个bit位的内容来计算
• 0xd1表示当前的值的类型是有符号整数并且长度不超过16个bit，具体的值内容需要通过后续16个bit位的内容来计算

 

uint 8 stores a 8-bit unsigned integer  
+--------+--------+
|  0xcc  |ZZZZZZZZ|
+--------+--------+

uint 16 stores a 16-bit big-endian unsigned integer
+--------+--------+--------+
|  0xcd  |ZZZZZZZZ|ZZZZZZZZ|
+--------+--------+--------+

int 8 stores a 8-bit signed integer
+--------+--------+
|  0xd0  |ZZZZZZZZ|
+--------+--------+

int 16 stores a 16-bit big-endian signed integer
+--------+--------+--------+
|  0xd1  |ZZZZZZZZ|ZZZZZZZZ|
+--------+--------+--------+

2.2.3 字符串

 

• 0xd9表示当前的值的类型是字符串并且长度不超过(2^8)-1个bytes ，具体的长度需要通过后续8个bit位的内容来计算，字符串的具体内容是后续长度的byte所表示的内容
• 0xda表示当前的值的类型是字符串并且长度不超过(2^16)-1个bytes ，具体的长度需要通过后续16个bit位的内容来计算，字符串的具体内容是后续长度的byte所表示的内容

 

str 8 stores a byte array whose length is upto (2^8)-1 bytes:
+--------+--------+========+
|  0xd9  |YYYYYYYY|  data  |
+--------+--------+========+

str 16 stores a byte array whose length is upto (2^16)-1 bytes:
+--------+--------+--------+========+
|  0xda  |ZZZZZZZZ|ZZZZZZZZ|  data  |
+--------+--------+--------+========+
 

　　

2.2.4 数组

 

• 0xdc表示当前的值的类型是数组并且长度不超过(2^16)-1个元素 ，具体的长度需要通过后续16个bit位（两个byte）的内容来计算，计算出来的值就是数组元素的个数
• 0xdd表示当前的值的类型是数组并且长度不超过(2^32)-1个元素 ，具体的长度需要通过后续32个bit位（4个byte）的内容来计算，计算出来的值就是数组元素的个数

 

array 16 stores an array whose length is upto (2^16)-1 elements:
+--------+--------+--------+~~~~~~~~~~~~~~~~~+
|  0xdc  |YYYYYYYY|YYYYYYYY|    N objects    |
+--------+--------+--------+~~~~~~~~~~~~~~~~~+

array 32 stores an array whose length is upto (2^32)-1 elements:
+--------+--------+--------+--------+--------+~~~~~~~~~~~~~~~~~+
|  0xdd  |ZZZZZZZZ|ZZZZZZZZ|ZZZZZZZZ|ZZZZZZZZ|    N objects    |
+--------+--------+--------+--------+--------+~~~~~~~~~~~~~~~~~+

　　

 

2.2.5 小结

 

 

 

2.3 Serialization：type to format conversion

 

source types	output format
Integer	int format family (positive fixint, negative fixint, int 8/16/32/64 or uint 8/16/32/64)
Nil	nil
Boolean	bool format family (false or true)
Float	float format family (float 32/64)
String	str format family (fixstr or str 8/16/32)
Binary	bin format family (bin 8/16/32)
Array	array format family (fixarray or array 16/32)
Map	map format family (fixmap or map 16/32)
Extension	ext format family (fixext or ext 8/16/32)

If an object can be represented in multiple possible output formats, serializers SHOULD use the format which represents the data in the smallest number of bytes.

 

2.4 Deserialization: format to type conversion

source formats	output type
positive fixint, negative fixint, int 8/16/32/64 and uint 8/16/32/64	Integer
nil	Nil
false and true	Boolean
float 32/64	Float
fixstr and str 8/16/32	String
bin 8/16/32	Binary
fixarray and array 16/32	Array
fixmap map 16/32	Map
fixext and ext 8/16/32	Extension

 

三、为什么MessagePack比json序列化使用的字节流更少

 

3.1 直观对比

可以通过下图的两张图简单进行下对比，第一张图是同一个数据类型的内容用json和messagepack序列化的结果。

 

 

 

从第二张图可以明显看到messagepack要比json占用的空间更少。

 

3.2 序列化结果只有value且value进行了专属映射

 

这张图是MessagePack官网上的，用来进行json和MessagePack序列化结果的对比，实际情况是否确实如此呢？

我本地使用的msgpack-0.6.12版本。

代码如下：

 

public class MessagePackSerializationCompareJson {

    @Message // Annotation
    public static class MyMessage {
        // public fields are serialized.
        public boolean compact;
        public int schema;
        
        public  String toString() {
            return "compact:"+compact+";schema:"+schema;
        }

    }
    /**
     * 
     * @param args
     * @throws IOException 
     */
    public static void main(String[] args) throws IOException {
      //初始化一个对象
        MyMessage src = new MyMessage();
        src.compact = true;
        src.schema=0;
        
      //利用MessagePack进行序列化
        MessagePack msgpack = new MessagePack();
        // Serialize
        byte[] bytes = msgpack.write(src);
        System.out.println("msgpack result length:"+bytes.length);
        
        //利用json进行序列化
        String jsonResult = JSONObject.toJSON(src).toString();
        System.out.println("json result length:"+jsonResult.getBytes().length);
        
    }

}

　　

 

运行结果如下：

 

json result length:27
msgpack result length:3

　　

 

json序列化的结果是27，和官网图片中的结果相同。但MessagePack的序列化结果是3，要比官网中的数字小很多。

按照上面图片的解释应当是：

• 第一个byte是82，表示序列化后的结果有两个元素
• 第二个byte是c3，表示第一个元素的值是true
• 第三个byte是00，表示第二个元素的值是0

 

为了验证我们的推测，我们可以在MyMessage类中再添加一个boolean类型的属性，但不给这个属性赋值，按照java的规范，这个属性的值就是false，按照MessagePack的规范，就会被转为一个byte的c2，这样msgpack序列化后的长度值就是4.  而json序列化的增加值要增加不少，是属性名称的长度+5（false的长度）+4（要增加两个双引号，一个逗号，一个冒号），如果属性名称长度是4，则一共会增加13个byte，总长度就是40.

public class MessagePackSerializationCompareJson {

    @Message // Annotation
    public static class MyMessage {
        // public fields are serialized.
        public boolean compact;
        public int schema;
        public boolean link;
        
        
        public  String toString() {
            return "compact:"+compact+";schema:"+schema+";link:"+link;
        }

    }
    /**
     * 
     * @param args
     * @throws IOException 
     */
    public static void main(String[] args) throws IOException {
      //初始化一个对象
        MyMessage src = new MyMessage();
        src.compact = true;
        src.schema=0;
        
      //利用json进行序列化
        String jsonResult = JSONObject.toJSON(src).toString();
        System.out.println("json result length:"+jsonResult.getBytes().length);
        
      //利用MessagePack进行序列化
        MessagePack msgpack = new MessagePack();
        // Serialize
        byte[] bytes = msgpack.write(src);
        System.out.println("msgpack result length:"+bytes.length);
        
        
        
    }

}

　　

上面代码的执行的结果也符合猜测：

 

json result length:40
msgpack result length:4

　　

 

从这个数字上看，MessagePack明显优于json，特别是在属性多的情况下差距会更大。即使json中把key去掉，序列化后的结果也要比MessagePack占用的空间大。

 

3.2 序列化对象的属性顺序不能变动

3.1分析了MessagePack序列化的结果中只包含了value，而不包含key。因而在进行反序列化需要保证类中属性的顺序必须保证完全一致，否则就会出错：

如果两个属性的类型一致，可以反序列化，但是值发生错乱。

如果两个属性的类型不一致，会抛出类型不匹配异常。

 

3.2.1 顺序不同，类型相同

 

public class SimpleMessagePackPractice {

    @Message // Annotation
    public static class MyMessage {
        // public fields are serialized.
        public boolean compact;
        public boolean link;

        public String toString() {
            return "link:" + link + ";compact:" + compact;
        }
    }

    @Message // Annotation
    public static class MyMessage2 {
        // public fields are serialized.
        public boolean link;
        public boolean compact;

        public String toString() {
            return "link:" + link + ";compact:" + compact;
        }
    }

    /**
     * 
     * @param args
     * @throws IOException 
     */
    public static void main(String[] args) throws IOException {

        //初始化一个对象
        MyMessage src = new MyMessage();
        src.compact = true;
        src.link = false;

        //利用MessagePack进行序列化
        MessagePack msgpack = new MessagePack();
        // Serialize
        byte[] bytes = msgpack.write(src);

        //利用MessagePack进行反序列化
        MyMessage2 dst = msgpack.read(bytes, MyMessage2.class);
        System.out.println("msgpack 原始数据:" + src);
        System.out.println("msgpack 反序列化:" + dst);
        
        
    }

}

　　

 

上述代码的执行结果如下：

msgpack 原始数据:link:false;compact:true
msgpack 反序列化:link:true;compact:false

 

3.2.1 顺序不同，类型不同

 

public class SimpleMessagePackPractice {

    @Message // Annotation
    public static class MyMessage {
        // public fields are serialized.
        public boolean compact;
        public String link;

        public String toString() {
            return "link:" + link + ";compact:" + compact;
        }
    }

    @Message // Annotation
    public static class MyMessage2 {
        // public fields are serialized.
        public String link;
        public boolean compact;

        public String toString() {
            return "link:" + link + ";compact:" + compact;
        }
    }

    /**
     * 
     * @param args
     * @throws IOException 
     */
    public static void main(String[] args) throws IOException {

        //初始化一个对象
        MyMessage src = new MyMessage();
        src.compact = true;
        src.link = "www.baidu.com";

        //利用MessagePack进行序列化
        MessagePack msgpack = new MessagePack();
        // Serialize
        byte[] bytes = msgpack.write(src);

        //利用MessagePack进行反序列化
        MyMessage2 dst = msgpack.read(bytes, MyMessage2.class);
        System.out.println("msgpack 原始数据:" + src);
        System.out.println("msgpack 反序列化:" + dst);
        
        
    }

}

　　

执行结果：

 

Exception in thread "main" org.msgpack.MessageTypeException: Expected raw value, but got boolean
	at org.msgpack.unpacker.Accept.acceptBoolean(Accept.java:33)
	at org.msgpack.unpacker.MessagePackUnpacker.readOneWithoutStackLarge(MessagePackUnpacker.java:154)
	at org.msgpack.unpacker.MessagePackUnpacker.readOneWithoutStack(MessagePackUnpacker.java:139)
	at org.msgpack.unpacker.MessagePackUnpacker.readOne(MessagePackUnpacker.java:73)
	at org.msgpack.unpacker.MessagePackUnpacker.readString(MessagePackUnpacker.java:502)
	at org.msgpack.template.StringTemplate.read(StringTemplate.java:46)
	at org.msgpack.template.StringTemplate.read(StringTemplate.java:25)
	at org.msgpack.template.AbstractTemplate.read(AbstractTemplate.java:31)
	at com.my.msgpack.SimpleMessagePackPractice$MyMessage2_$$_Template_1305193908_1.read(SimpleMessagePackPractice$MyMessage2_$$_Template_1305193908_1.java)
	at org.msgpack.template.AbstractTemplate.read(AbstractTemplate.java:31)
	at org.msgpack.MessagePack.read(MessagePack.java:388)
	at org.msgpack.MessagePack.read(MessagePack.java:371)
	at com.my.msgpack.SimpleMessagePackPractice.main(SimpleMessagePackPractice.java:61)

　　

 

参考资料

1. MessagePack specification https://github.com/msgpack/msgpack/blob/master/spec.md#type-system
2. https://www.jianshu.com/p/8c24bef40e2f
3. http://jimmee.iteye.com/blog/2042420
4. http://blog.csdn.net/weiyuefei/article/details/52208186