在buf CLI中使用nanopb选项的配置方法
2025-05-24 23:04:05作者:舒璇辛Bertina
bufbuild/buf项目是一个强大的Protocol Buffers工具链,它提供了buf CLI工具来简化protobuf文件的生成和管理。本文将重点介绍如何在buf CLI中配置nanopb生成器的选项参数。
nanopb生成器简介
nanopb是一个轻量级的Protocol Buffers实现,专门为嵌入式系统设计。它生成的代码体积小、内存占用低,非常适合资源受限的环境。与标准protobuf生成器相比,nanopb提供了许多特有的选项来控制代码生成行为。
配置buf.gen.yaml文件
在buf CLI中,所有代码生成器的配置都通过buf.gen.yaml文件进行管理。要为nanopb生成器添加选项,需要使用opt参数。以下是一个典型的配置示例:
version: v2
plugins:
- plugin: nanopb
out: gen
opt:
- mangle_names:M_FLAT
这个配置会告诉nanopb生成器使用M_FLAT模式来处理名称混淆,这将去除类型名称中的包名前缀。
常用nanopb选项
除了mangle_names外,nanopb还支持许多其他有用的选项:
- max_size - 设置消息字段的最大尺寸
- max_count - 设置重复字段的最大数量
- packed_struct - 控制是否生成压缩结构体
- no_unions - 禁用联合类型
这些选项都可以通过opt参数添加到buf.gen.yaml中,例如:
plugins:
- plugin: nanopb
out: gen
opt:
- mangle_names:M_FLAT
- max_size:256
- max_count:10
选项的作用范围
需要注意的是,nanopb选项可以作用于不同级别:
- 文件级别 - 在.proto文件中使用option语法
- 字段级别 - 直接在字段定义后添加选项
- 生成器级别 - 在buf.gen.yaml中通过opt参数配置
buf CLI主要处理的是生成器级别的选项配置,而文件级别和字段级别的选项仍然需要在.proto文件中定义。
最佳实践
- 优先在buf.gen.yaml中配置与生成过程相关的选项
- 将与协议定义紧密相关的选项保留在.proto文件中
- 对于嵌入式开发,合理设置max_size和max_count以避免内存问题
- 使用mangle_names:M_FLAT可以简化生成的类型名称
通过合理配置这些选项,开发者可以更好地控制nanopb生成的代码,使其更适合特定的应用场景,特别是资源受限的嵌入式环境。
buf CLI与nanopb的结合为嵌入式开发中的protobuf使用提供了便利的解决方案,通过灵活的选项配置,开发者可以在代码大小和功能之间找到最佳平衡点。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.95 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
openEuler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。
C
458
450
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
264
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
624
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250