Swift 中的 Protocol Buffers:基于protobuf-swift 的实战指南
项目介绍
protobuf-swift 是一个用于苹果 Swift 环境下的 Google Protocol Buffers 实现。它允许开发者在高效的序列化数据格式和 Swift 语言的安全性之间架起桥梁。此项目源自 Google 的原生 Protocol Buffers 技术,并且特别适配了 Swift 开发的需求。
项目快速启动
安装 Protocol Buffers 编译器(protoc)
在 Ubuntu 上手动安装(示例为 v3.2.0):
- 下载 protoc 3.2.0 版本。
wget https://github.com/google/protobuf/releases/download/v3.2.0/protobuf-cpp-3.2.0.tar.gz - 解压缩并编译安装。
tar xzf protobuf-cpp-3.2.0.tar.gz cd protobuf-3.2.0 ./autogen.sh ./configure make && sudo make install
使用 Homebrew(Mac OS):
如果你正在使用 Mac,可以通过 Homebrew 更简化地安装 protoc 和 protobuf-swift。
首先安装 Homebrew,如果未安装的话:
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
然后安装 protoc:
brew install protobuf
以及 protobuf-swift 相关工具:
git clone https://github.com/alexeyxo/protobuf-swift.git
cd protobuf-swift
./script/build.sh
添加到你的项目中
-
CocoaPods: 在 Podfile 中添加以下行,然后运行
pod install。use_frameworks! pod 'ProtocolBuffers-Swift' -
Carthage: 在 Cartfile 中写入:
github "alexeyxo/protobuf-swift"
接下来,你需要为你的 .proto 文件生成 Swift 代码。这通常通过 protoc 和特定于 Swift 的插件来完成。
应用案例和最佳实践
假设你有一个简单的 .proto 文件定义,如 person.proto:
syntax = "proto3";
message Person {
int32 id = 1;
string name = 2;
string email = 3;
}
-
使用 protoc 生成 Swift 代码:
protoc --swift_out=. person.proto -
在 Swift 中使用生成的类进行序列化和反序列化:
import ProtocolBuffers
let person = Person(id: 123, name: "Alice", email: "alice@example.com")
let data = try person.data()
// 反序列化
if let deserializedPerson = Person.parse(from: data) {
print(deserializedPerson)
}
典型生态项目
除了 protobuf-swift,还有另一个备受瞩目的生态项目——apple/swift-protobuf,由苹果官方维护,它提供了一个更加成熟稳定的解决方案,支持最新的 Swift 版本和特性,包括更好的集成性和错误处理机制。如果你的项目需要长期支持和社区活跃度更高的库,建议考虑使用 swift-protobuf。
使用 swift-protobuf 的基本步骤类似,但是它可能提供了更现代的API和支持方式,比如自动代码生成配置更加简便,同时与 Swift 生态系统有更好的整合体验。
以上就是快速上手 protobuf-swift 的简要教程,确保在实际应用时查阅最新版本的文档以获取最准确的信息和推荐做法。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00