本文讲的是Android 上的数据格式 FlatBuffers 介绍，
JSON 格式 - 一个基本上人人知道的、轻量级的、并被现代服务器所广泛使用的数据格式。相对过时的、讨厌的 XML 数据格式来说，它量级轻、易于人们阅读、对开发人员也更为友好。 JSON 是一种独立于语言存在的数据格式，但是它解析数据并将之转换成如 Java 对象时，会消耗我们的时间和内存资源。几天前，Facebook 宣称自己的 Android app 在数据处理的性能方面有了极大的提升。在几乎整个 app 中，他们放弃了 JSON 而用 FlatBuffers 取而代之。请查阅这篇文章来获取关于 FlatBuffers 的基础知识以及从 JSON 格式过渡到 FlatBuffers 格式后的结果。
虽然这个结果非常激动人心，但咋一看如何使用不是很明显，Facebook 没有对实现进行过多的说明。这也是我发表这篇文章的原因，我将在文章中说明如何使用 FlatBuffers 来开始我们的工作。
FlatBuffers 介绍
简而言之, FlatBuffers 是一个来自 Google 的跨平台序列化库, 被 Google 开发出来专门用在游戏开发中，并在构建平滑和高响应的 Android UI 中遵循 16 毫秒规则，就像 Facebook 向我们展示的那样。
但是，嘿。。哥们，在你转移所有数据到 FlatBuffers 之前，请慎重考虑你是否真的需要它。因为有时候这点性能的影响是可以忽略的，有时候数据安全可比只有几十毫秒区别的计算速度更为重要。
什么原因使得 FlatBuffers 如此高效？
- 因为有了扁平二进制缓冲区，访问序列化数据甚至层级数据都不要解析。归功于此，我们不需要花费时间去初始化解析器（意味着构建复杂的字段映射）和解析数据。
- FlatBuffers 数据相比使用自己的缓冲区，不需要分配其他更多的内存。我们不需要像 JSON 那样在解析数据的时候，为整个层级数据分配额外的内存对象。
更具体的原因，请再次查看关于如何迁移到 FlatBuffers 的 facebook 文章，或者查阅 Google 官方文档。
实现步骤
该文将介绍在 Android app 中使用 FlatBuffers 最简单的方法。
- 在app项目以外的_某个地方_，JSON 数据将被转换成 FlatBuffers 格式的数据（如，API 会返回一个二进制文件或者目录）
- 数据模型（Java 类）是使用 flatc（FlatBuffers 编译器）手动生成的
- 对 JSON 文件的一些限制条件（不能使用空字段，日期类型将被解析成字符串类型）
不久后，我们可能准备介绍一些更复杂的解决方法。
FlatBuffers 编译器
首先，我们必须得到 flatc - FlatBuffers 编译器，你可以通过源码来构建，源码放在 Google 的 FlatBuffers 仓库。我们将源码下载或者克隆到本地。整个构建过程在构建 FlatBuffers 文档中有详细描述。如果你是 Mac 用户，你需要做的仅仅是：
- 进入下载好了的源码目录
\{extract directory}\build\XcodeFlatBuffers.xcodeproj - 按下 Play 按钮或者
⌘ + R快捷键运行 flatc 结构描述文件（默认会被选中） - 运行完成后，flatc 可执行文件将会出现在项目的根目录中
现在，我们可以使用放在其他地方的结构描述文件编译器来根据指定的结构描述文件（Java，C#，Python，GO 和 C++）生成模型类，或者将 JSON 文件转换成 FlatBuffer 格式的二进制文件。
结构描述文件
现在我们准备一份结构描述文件，该文件定义了我们想要序列化/反序列化的数据结构。我们使用该文件和 flatc 工具，去生成 Java 数据模型并将 JSON 格式的文件转换成 FlatBuffer 格式的二进制文件。
JSON 文件的部分代码如下所示：
{
"repos": [
{
"id": 27149168,
"name": "acai",
"full_name": "google/acai",
"owner": {
"login": "google",
"id": 1342004,
...
"type": "Organization",
"site_admin": false
},
"private": false,
"html_url": "https://github.com/google/acai",
"description": "Testing library for JUnit4 and Guice.",
...
"watchers": 21,
"default_branch": "master"
},
...
]
}
整个 JSON 文件可以在这里下载。该文件是调用 Github 的 API 来获取 google 在 github 上的仓库结果的一个修改版本。
要编写一份 Flatbuffer 结构描述文件，请参考这篇文档，我不会在此对它做深入的探索，因此我们使用的结构描述文件不会很复杂。我们所需要做的仅仅是创建3张表。ReposList 表，Repo 表和 User 表, 以及定义一个 root_type。这份结构描述文件的核心部分如下所示：
table ReposList {
repos : [Repo];
}
table Repo {
id : long;
name : string;
full_name : string;
owner : User;
//...
labels_url : string (deprecated);
releases_url : string (deprecated);
}
table User {
login : string;
id : long;
avatar_url : string;
gravatar_id : string;
//...
site_admin : bool;
}
root_type ReposList;
该结构描述文件的完整版本可从这里下载。
FlatBuffers 数据文件
好了，现在我们要做的是将 repos_json.json 文件转换成 FlatBuffers 的二进制文件以及生成 Java 模型，该 Java 模型是以一种对 Java 来说很友好的方式来展现的（所有我们需要的文件都可在这里下载）：
$ ./flatc -j -b repos_schema.fbs repos_json.json
如果一切顺利，将生成以下文件列表：
- repos_json.bin （我们将把该文件重命名成 repos_flat.bin）
- Repos/Repo.java
- Repos/ReposList.java
- Repos/User.java
Android 程序
现在，让我们创建一个例子程序来展示 FlatBuffers 格式在实际开发中是如何工作的。程序截图如下所示。 
ProgressBar 用来展示不正确的数据处理（在 UI 主线程中）将会对用户界面的平滑性产生怎样的影响。
本程序中的 app/build.gradle 文件如下所示：
apply plugin: 'com.android.application'
apply plugin: 'com.jakewharton.hugo'
android {
compileSdkVersion 22
buildToolsVersion "23.0.0 rc2"
defaultConfig {
applicationId "frogermcs.io.flatbuffs"
minSdkVersion 15
targetSdkVersion 22
versionCode 1
versionName "1.0"
}
buildTypes {
release {
minifyEnabled false
proguardFiles getDefaultProguardFile('proguard-android.txt'), 'proguard-rules.pro'
}
}
}
dependencies {
compile fileTree(dir: 'libs', include: ['*.jar'])
compile 'com.android.support:appcompat-v7:22.2.1'
compile 'com.google.code.gson:gson:2.3.1'
compile 'com.jakewharton:butterknife:7.0.1'
compile 'io.reactivex:rxjava:1.0.10'
compile 'io.reactivex:rxandroid:1.0.0'
}
当然，你没有必要在该示例程序中使用 RxJava 或 ButterKnife 库，但是，我们为什么不使用他们来使得我们的程序变得更好一点呢 ？
将 repos_flat.bin 文件和 repos_json.json 文件放在项目的res/raw/目录。
程序中，帮助我们读取 raw 文件的工具类 RawDataReader 可在此下载。
最后，将 Repo，ReposList 和 User 文件放在项目源码的某个地方。
FlatBuffers 类库
在 Java 中，Flatbuffers 直接提供了 Java 类库来处理这种格式的数据。该 flatbuffers-java-1.2.0-SNAPSHOT.jar 文件可在此处下载。如果你想手动生成该类库，请返回到 Flatbuffers 的源码目录，进入到 java/ 目录，使用 Maven 构建来得到该类库。
$ mvn install
现在，将.jar文件放在Android项目的 app/libs/ 目录下。
好，现在我们所需要做的是去实现 MainActivity 类，该文件的完整代码如下所示：
public class MainActivity extends AppCompatActivity {
@Bind(R.id.tvFlat)
TextView tvFlat;
@Bind(R.id.tvJson)
TextView tvJson;
private RawDataReader rawDataReader;
private ReposListJson reposListJson;
private ReposList reposListFlat;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
ButterKnife.bind(this);
rawDataReader = new RawDataReader(this);
}
@OnClick(R.id.btnJson)
public void onJsonClick() {
rawDataReader.loadJsonString(R.raw.repos_json).subscribe(new SimpleObserver() {
@Override
public void onNext(String reposStr) {
parseReposListJson(reposStr);
}
});
}
private void parseReposListJson(String reposStr) {
long startTime = System.currentTimeMillis();
reposListJson = new Gson().fromJson(reposStr, ReposListJson.class);
for (int i = 0; i < reposListJson.repos.size(); i++) {
RepoJson repo = reposListJson.repos.get(i);
Log.d("FlatBuffers", "Repo #" + i + ", id: " + repo.id);
}
long endTime = System.currentTimeMillis() - startTime;
tvJson.setText("Elements: " + reposListJson.repos.size() + ": load time: " + endTime + "ms");
}
@OnClick(R.id.btnFlatBuffers)
public void onFlatBuffersClick() {
rawDataReader.loadBytes(R.raw.repos_flat).subscribe(new SimpleObserver() {
@Override
public void onNext(byte[] bytes) {
loadFlatBuffer(bytes);
}
});
}
private void loadFlatBuffer(byte[] bytes) {
long startTime = System.currentTimeMillis();
ByteBuffer bb = ByteBuffer.wrap(bytes);
reposListFlat = frogermcs.io.flatbuffs.model.flat.ReposList.getRootAsReposList(bb);
for (int i = 0; i < reposListFlat.reposLength(); i++) {
Repo repos = reposListFlat.repos(i);
Log.d("FlatBuffers", "Repo #" + i + ", id: " + repos.id());
}
long endTime = System.currentTimeMillis() - startTime;
tvFlat.setText("Elements: " + reposListFlat.reposLength() + ": load time: " + endTime + "ms");
}
}
我们应该重点关心的方法：
parseReposListJson(String reposStr)- 该方法初始化 Gson 解析器，并将 json 字符串转换成 Java 实体类loadFlatBuffer(byte[] bytes)- 该方法将字节码文件（我们的 repos_flat.bin 文件）转换成 Java 实体类
结果
现在，让我们看看分别使用 JSON 和 FlatBuffers 来解析数据时，在加载时间和消耗资源方面的区别。测试在运行 Android M (beta) 系统的 Nexus 5 手机中进行。
加载时间
评价标准是将全部元素（90 个）转换成对应的 Java 文件。
JSON - 平均加载时间为 200ms（波动范围在：180ms - 250ms），JSON 文件大小：478kb。FlatBuffers - 平均加载时间为 5ms （波动范围在: 3ms - 10ms），FlatBuffers 二进制文件大小：362kb。
还记得我们的 16 毫秒规则吗？我们将在 UI 线程中调用上述方法，用来观察我们界面的显示行为：
JSON 加载数据
FlatBuffer 加载数据
看到区别了吗？当使用 JSON 加载数据时，ProgressBar 明显冻住了一会儿，这使得我们的界面不舒服（操作耗时超过了 16ms）。
内存分配，CPU 使用情况等
想用更多标准来测试？这可能是尝试使用 Android Studio 1.3 和其新特性的好机会。Android Studio 1.3 可用来进行测试的新特性有内存分配跟踪，内存查看和方法追踪等。
源代码
完整的项目源代码可以在 Github 的这里下载到。你不必了解整个 Flatbuffers 项目 - 你所需要的都在 flatbuffers/ 目录。
原文发布时间为：2016年01月07日
本文来自合作伙伴掘金，了解相关信息可以关注掘金网站。