跳到主内容
快讯直播
AI智模界
AI 词典

FlatBuffers:不反序列化就能直接读字段的二进制格式

一句话定义:FlatBuffers 是 Google 开源的一种二进制序列化格式(serialization format)。它的特点是:数据按约定布局写进一块内存后,读取方不需要先把它“解包”成对象,就能直接从字节里取出想要的字段。

打个比方:JSON 像把家具拆成零件装箱,用之前必须重新组装;FlatBuffers 像按图纸把家具固定在集装箱的固定位置上,要用哪件,伸手就能拿到,不用整个拆开。

原理:先用 schema(.fbs 文件)描述数据结构,再由工具生成各语言的读写代码。每个表(table)的开头是一个指向 vtable 的偏移,vtable 里记着每个字段的相对位置;找不到的字段就直接跳过。所有偏移都是相对偏移,所以整块内存可以被整体搬运、直接 mmap 到进程里使用,指针不用重算。官方还提供 verifier,可以在信任外部数据之前先做一次结构校验。

和相邻概念的区别:

FlatBuffersProtocol BuffersJSON
读取方式原地直接读字段先解析成对象先解析成对象
需要 schema 生成代码是是否
体积偏大(偏移和 vtable 有开销)较小最大
人能直接看否否是
典型场景游戏资源、端侧、mmap服务间 RPC调试、配置

和同门的 Protocol Buffers 相比,FlatBuffers 牺牲了一部分紧凑度,换来“零拷贝”(zero-copy)读取;和 Apache Arrow 相比,Arrow 面向列式分析,FlatBuffers 面向逐条记录的对象读取,解决的问题不同。

对从业者的实际意义:TensorFlow Lite 的模型文件就是用 FlatBuffers 存的,端侧可以从 mmap 的内存里直接读元数据,不必把整个模型先复制解析一遍。它适合读多写少、数据很大而每次只用到一小块、对延迟敏感的场景,比如游戏资源加载、端侧模型、共享内存传参。不适合写频繁、要求体积最小、或需要人眼排查数据的场合;另外它的构建器是从缓冲区尾部往前写的,第一次用会觉得有点反直觉。具体 API 和版本支持情况以官方文档为准。

AI 生成本文由 AI 基于公开信息自动生成,仅供参考。