Protocol Buffers C 实现教程
1. 项目介绍
protobuf-c 是一个用 C 语言实现的 Google Protocol Buffers 数据序列化格式。它包括 libprotobuf-c,一个纯 C 库,用于实现 protobuf 的编码和解码,以及 protoc-c,一个代码生成器,用于将 Protocol Buffer .proto 文件转换为 C 描述符代码。protobuf-c 最初由 Dave Benson 编写并维护,现在由一个新的团队维护。
2. 项目快速启动
2.1 安装依赖
在开始之前,确保你已经安装了以下依赖:
- C 编译器
- C++ 编译器
protobufpkg-config
2.2 克隆项目
git clone https://github.com/protobuf-c/protobuf-c.git
cd protobuf-c
2.3 构建项目
如果你是从 Git 仓库克隆的代码,首先需要生成构建系统:
./autogen.sh
然后配置并构建项目:
./configure
make
sudo make install
2.4 生成 C 代码
使用 protoc 命令生成 C 代码:
protoc --c_out=. example.proto
这将生成 example.pb-c.c 和 example.pb-c.h 文件。
2.5 编译和链接
编译你的 C 源代码,并链接 libprotobuf-c 库:
gcc -c example.pb-c.c -o example.pb-c.o
gcc example.c example.pb-c.o -o example `pkg-config --cflags --libs libprotobuf-c`
3. 应用案例和最佳实践
3.1 数据序列化
protobuf-c 主要用于数据序列化和反序列化。以下是一个简单的示例,展示如何使用 protobuf-c 进行数据序列化和反序列化:
#include "example.pb-c.h"
#include <stdio.h>
int main() {
ExampleMessage msg = EXAMPLE_MESSAGE__INIT;
msg.name = "Hello, protobuf-c!";
msg.id = 123;
// 序列化
size_t len = example_message__get_packed_size(&msg);
uint8_t buffer[len];
example_message__pack(&msg, buffer);
// 反序列化
ExampleMessage *unpacked_msg = example_message__unpack(NULL, len, buffer);
printf("Name: %s, ID: %d\n", unpacked_msg->name, unpacked_msg->id);
example_message__free_unpacked(unpacked_msg, NULL);
return 0;
}
3.2 网络通信
protobuf-c 也常用于网络通信中,特别是在需要高效传输结构化数据的场景中。通过将数据序列化为二进制格式,可以显著减少数据传输的大小,从而提高网络通信的效率。
4. 典型生态项目
4.1 protobuf-c-rpc
protobuf-c-rpc 是 protobuf-c 的一个扩展项目,提供了基于 protobuf-c 的 RPC 实现。它允许你使用 Protocol Buffers 定义 RPC 服务,并生成相应的客户端和服务器代码。
4.2 nanopb
nanopb 是一个轻量级的 Protocol Buffers 实现,专为嵌入式系统设计。它与 protobuf-c 类似,但更加轻量级,适合资源受限的环境。
4.3 gRPC
gRPC 是一个高性能、通用的 RPC 框架,支持多种语言,包括 C++、Java、Python 等。虽然 gRPC 本身不直接依赖 protobuf-c,但你可以使用 protobuf-c 生成的 C 代码与 gRPC 进行集成。
通过这些生态项目,protobuf-c 可以在更广泛的场景中发挥作用,从嵌入式系统到高性能服务器应用。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00