TensorFlow中结构化数据工具Protocol Buffer

Protocol Buffer是Google开发的处理结构化数据的工具.

什么是结构化数据？

假设要记录一些用户信息，每个用户的信息中都包括用户的名字，ID和email地址，那么每个用户的信息可以表示成一下的形式：

name：张三id：12345email：zhangsan@abc.com

这就是一个结构化的数据。是指拥有多种属性的数据，比如上述拥有三个不同的属性。

当要将这些结构化的用户信息持久化或者进行网络传输时，就需要先将它们序列化；所谓序列化就是将结构化的数据变成数据流的形式，简单来说就是变成字符串。如何将结构化的数据序列化，并从结构化之后的数据流中还原出原来的结构化数据，统称为处理结构化数据，这就是Protocol Buffer解决的主要问题。

Protocol Buffer格式的数据与XML和json格式的数据有着比较大的差别。首先，Protocol Buffer序列化之后得到的数据不是可读的字符串，而是二进制流；其次，XML或者json格式数据信息都包含在了序列化之后的数据中，不需要任何其他信息就能还原数据；但使用Protocol Buffer时需要先定义数据的格式（schema），还原一个序列化之后的数据将需要使用这个定义好的数据格式。

以下是数据格式定义文件：

message user {
optional string name = 1；
required int32 id = 2；
repeated string email = 3；
}

因为这样的差别，Protocol Buffer序列化出来的数据要比XML格式的数据小3到10倍，解析时间要快20到100倍。

Protocol Buffer定义数据格式的文件一般保存在.proto中。每一个message代表了一类结构化数据，比如这里的用户信息，message里面定义了每一个属性的类型和名字，属性的类型可以布尔型，整数型，实数型，字符型这样的基本类型。也可以是另一个message，Protocol Buffer也定义了一个属性是必须的（required），还是可选的（optional），或者是可重复的（repeated），在最新的Protocol Buffer3中已经不再支持required类型。

Protocol Buffer是TensorFlow系统中使用到的重要工具，TensorFlow中的数据基本上都是通过Protocol Buffer来组织的，分布式TensorFlow的通信协议gRPC也是以这个作为基础的。

作者：富城
链接：https://www.jianshu.com/p/bc4c24e8bfea