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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0185
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08