FlatBuffers快速入门
FlatBuffers简介
FlatBuffers是一个开源的、跨平台的、高效的、提供了C++/Java接口的序列化工具库。它是Google专门为游戏开发或其他性能敏感的应用程序需求而创建。尤其更适用于移动平台，这些平台上内存大小及带宽相比桌面系统都是受限的，而应用程序比如游戏又有更高的性能要求。它将序列化数据存储在缓存中，这些数据既可以存储在文件中，又可以通过网络原样传输，而不需要任何解析开销。
特点
- 对序列化数据的访问不需要打包和拆包——它将序列化数据存储在缓存中，这些数据既可以存储在文件中，又可以通过网络原样传输，而没有任何解析开销；
- 内存效率和速度——访问数据时的唯一内存需求就是缓冲区，不需要额外的内存分配。 这里可查看详细的 基准测试；
- 扩展性、灵活性——它支持的可选字段意味着不仅能获得很好的前向/后向兼容性（对于长生命周期的游戏来说尤其重要，因为不需要每个新版本都更新所有数据）；
- 最小代码依赖——仅仅需要自动生成的少量代码和一个单一的头文件依赖，很容易集成到现有系统中。再次，看基准部分细节；
- 强类型设计——尽可能使错误出现在编译期，而不是等到运行期才手动检查和修正；
- 使用简单——生成的C++代码提供了简单的访问和构造接口；而且如果需要，通过一个可选功能可以用来在运行时高效解析Schema和类JSON格式的文本；
- 跨平台——支持C++11、Java，而不需要任何依赖库；在最新的gcc、clang、vs2010等编译器上工作良好；
存储结构
参考FaceBook的文档，假设我们有一个Person类定义如下：
图-1
假设有一个叫John的人，那么此Person对象在FlatBuffer中物理存储结构简化图如下，
图-2
1、每一个存储在FlatBuffer中的对象，被分割成2部分：中心点（Pivot Point）左边的元数据（vtable）和中心点右边的真实数据。
2、每个字段都对应vtable中的一个槽（slot），它存储了那个字段的真实数据的偏移量。例如，John的vtable的第一个槽的值是1，表明John的名字被存储在John的中心点右边的一个字节的位置上。
3、如果一个字段是一个对象，那么它在vtable中的偏移量会指向子对象的中心点。比如，John的vtable中第三个槽指向Mary的中心点。
4、要表明某个字段现在没有数据，可以在vtable对应的槽中使用偏移量0来标注。
Schema语言简介
Schema语言（即IDL）的语法与C语言家族、AIDL很类似。
Table
Tables是在FlatBuffers中定义对象的主要方式，如下图所示，每一个字段都是可选的，可配置默认值（如果忽略的话，默认是0/NULL）。
图-3
Structs
Structs与Table类似，不同点如下：
1.无默认值，且字段不能增加或被废弃（deprecated）
2.Struct只能包含标量或者其他struct
如果非常确定数据结构不会发生任何变化，那么就可以使用struct。Struct使用的内存比Table少，并且读取时比Table更快（它们通常被以in-line的方式存储在它们的父对象中，并且不适用virtual table）
Union、Enum功能与C语言类似
版本兼容
FlatBuffers具备良好的向前/向后兼容性，需要遵守以下规则：
1.如果要在schema中添加新字段，只能在table的末尾进行添加
2.如果不再使用某些字段了，不能从schema中删除它们;可以选择不再把它们写入到你的数据中，或者你通过deprecated来声明该字段不再使用，不过这样会使编译器不在产生该字段的代码，故存在一定的代码破坏性。
假设服务器端更新了协议，新增了一个字段，而客户端并未更新，那么当客户端收到服务器的数据时，新增的字段对客户端而言等同于没有增加，客户端不会解析新增的字段，保证了向前兼容性。
如果服务器协议回滚到一个低版本，那么当客户端收到服务器的数据进行解析时，客户端相较于服务端的新增字段，将会采用默认值，保证了向后兼容性。
更多版本控制细节，请参考Schemas and version control
支持的数据类型
内建标量：
图-4
内建非标量类型：
1.Vector ，其他数据类型的Vector （矢量），不支持内嵌
2.string，只能存储UTF-8或者7-bit ASCII。如果需要存储其他编码的文本，或者通用二进制数据，请使用vector（[byte]或者[ubyte]）
3.References，对其他table、struct、enum或者union的引用
更多关于编写Schema的信息，请参考Writing Schema
FlatBuffer使用步骤
1.编写Schema文件
2.使用FlatBuffers编译器生成java bean 文件，执行命令：
flatc --java samples/monster.fbs
编译器下载地址
3.编译FlatBuffers的java库，下载flatbuffers源码，进入目录执行mvn package，选择Target目录的完整jar包（第一个）
4.在Android工程中引入FlatBuffers的java库及编译器生成的java bean文件。
5.使用FlatBufferBuilder构造一个ByteBuffer(序列化对象)，保存或者发送该Buffer。
6.读取该Buffer，通过getRootAsXXX可反序列化得到其代表的对象。
关于FlatBuffers可读性差的问题，可通过执行命令：
flatc --json person.fbs --raw-binary -- flat.bin
直接将二进制文件转换为json格式的文件，解决可读性差的问题
VS Java Serializable
对比测试序列化与反序列化如下对象1000次所需要的执行时间，测试结果如下：
FlatBuffers序列化耗时
FlatBuffers反序列化耗时
Java序列化耗时
Java反序列化耗时
与传统的Java序列化相比，FlatBuffers在序列化及反序列化的速度上极具优势，在存储空间的占用上也具备一定的优势，节约近乎二倍的存储空间。测试Demo的对象比较简单，当序列化对象更为复杂的时候，FlatBuffers在解析速度与空间占用的优势将更为明显。
Demo下载地址
VS json
与json相比，flatbuffers具备以下优点：
1.解析速度快到飞起（json还要走一次java序列化，速度比Java序列化还慢）
2.节约空间
3.反序列化的时候无内存抖动，就一个ByteBuffer，内存占用平稳，json在反序列化的时候会产生大量临时对象，造成内存抖动。
