RPC - 序列化
特别说明
当前文章内容迁移中，如有问题，请提交 issues 谢谢 ~~
概述
将内存对象转化为字节流的过程。相对的是反序列化，即将字节流转化为内存对象的过程。
TCP/IP协议是一个四层协议，而OSI模型却是七层协议模型。在OSI七层协议模型中展现层（Presentation Layer）的主要功能是把应用层的对象转换成一段连续的二进制串，或者反过来，把二进制串转换成应用层的对象–这两个功能就是序列化和反序列化。一般而言，TCP/IP协议的应用层对应与OSI七层协议模型的应用层，展示层和会话层，所以序列化协议属于TCP/IP协议应用层的一部分。
为什么要序列化
将数据存入文件或者通过网络进行发送，就需要将数据对象转化为字节流。
而究竟如何进行序列化，则需要考虑各种因素，比如性能、占用空间、向前向后的兼容性、多语言支持等等。
常见的序列化方案
使用字符串进行编码，不同字段间指定分隔符，比如 “,” 或者 “|” 等。
优点是简单，缺点是不能表达嵌套格式、图片等二进制文件，数据结构变更可能导致读写代码的修改。
- 使用特定语言的序列化模块，比如 Java Serialization 等。
这种方式可以表达复杂的对象，对于嵌套格式更是不在话下，但是由于与语言绑定，无法做到跨语言支持。
- 使用通用的语言格式，比如 JSON、XML
这种方式存在重复的 key，并且对于二进制支持不够，需要 base64 等特殊处理。
- 当上述 3 种方式的缺点严重阻碍你的应用时，则需要考虑自定义的序列化工具了。这个时候我们希望有一种方法，可以约束每个字段类型，并且提供数据的解析功能。这种带有 schema 的数据格式，常见的有 Thrift、Protobuf、Avro 等。此类序列化框架通常具有以下特征：
提供 IDL（Interface Description language）描述数据格式
支持跨语言交互，比如使用 Java 开发服务端，Python 作为客户端读取数据
数据编码存储，对数据进行压缩等处理，尽可能减少存储占用
支持 schema 的演化，即按照一定规则修改 schema，同时保证读写模块的向前向后的兼容性
注意
常见的序列化框架有 Thrift、Protobuf、Avro，而由于 Thrift、Avro 可以生成 RPC 实现，所以当提到如 Thrift 服务这种说法时一般指的是 Thrift 实现的 RPC 服务端。而 Protobuf 没有 RPC 实现，所以指的就是序列化与反序列化操作，一般会结合 gRPC 来进行 RPC 实现。
参考文章
