在buf CLI中使用nanopb选项的配置方法
2025-05-24 17:26:52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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137