Protocol buffers 在Google协议缓冲区中使用int32而不是sint32是否合适？

我最近一直在阅读，它允许在消息中使用各种标量值类型

根据，有三种类型的可变长度整数原语-

int32

、

uint32

和

sint32

。在他们的文档中，他们指出，

int32

编码负数是“效率低下的–如果您的字段可能有负值，请改用

sint32

。”但是如果您的字段没有负数，我认为uint32无论如何都比

int32

更适合使用（由于额外的位和减少了处理负数的CPU成本）

那么什么时候使用

int32

是一个好的标量呢？文档是否暗示只有在很少得到负数的情况下它才是最有效的？或者根据字段的内容，总是最好使用

sint32

和

uint32

---

（同样的问题也适用于这些标量的64位版本：

int64

、

uint64

、和

sint64

；但为了可读性，我在问题描述中遗漏了它们。）

我不熟悉谷歌协议缓冲区，但我对文档的解释是：

• 如果值不能为负值，则使用

  uint32

• 如果值很可能是负值，则使用

  sint32

  （对于“as-likely be”的模糊定义）
• 如果值可能为负值，但可能性远小于正值，则使用

  int32

  （例如，如果应用程序有时使用-1表示错误或“未知”值，这是一种相对不常见的情况）

以下是文档对编码（）的看法：

有符号整数类型（

sint32

和

sint64

）与“标准”整数类型（

int32

和

int64

）之间存在着重要的区别在编码负数时。如果使用

int32

或

int64

作为负数的类型，则生成的

varint

总是10字节长–实际上，它被视为一个非常大的无符号整数。如果使用其中一种有符号类型，则生成的

varint

使用之字形编码，这样效率更高

锯齿形编码将有符号整数映射为无符号整数，因此具有较小绝对值（例如，-1）的数字也具有较小的

varint

编码值。它以“锯齿形”的方式实现通过正整数和负整数来回转换，-1被编码为1，1被编码为2，-2被编码为3，依此类推

---

所以看起来，即使你很少使用负数，只要数字的大小（包括非负数）如果您传入的协议较小，则最好使用

sint32

。如果您不确定，则可以进行分析。

没有什么好的理由使用int*而不是sint*。这些额外类型的存在最有可能是出于历史、向后兼容的原因，而这正是协议所需要的rs甚至试图在其自己的协议版本中维护

我最好的猜测是，在最早的版本中，他们在2的补码表示中对负整数进行了无声编码，这要求最大大小的变量编码为9字节（不包括额外的类型字节）。然后他们坚持使用这种编码，以免破坏旧代码和已经使用它的序列化。因此，他们需要添加一种新的编码类型，sint*，以便在不破坏现有代码的情况下为负数获得更好的可变大小的编码。我完全无法理解设计师是如何从一开始就没有意识到这个问题的

varint编码（无类型规范，需要多1个字节）可以将无符号整数值编码为以下字节数：

[0，2^7）：一个字节

[2^7，2^14）：两个字节

[2^14，2^21）：三个字节

[2^21，2^28）：四个字节

[2^28，2^35）：五个字节

[2^35，2^42）：六个字节

[2^42，2^49）：七个字节

[2^49，2^56）：八个字节

[2^56，2^64）：九个字节

如果你想对小的负整数进行类似的压缩编码，那么你需要“用尽”一位来表示符号。你可以通过一个显式符号位（在某个保留位置）来实现这一点或者，你可以做Z字形编码，它有效地做同样的事情，将幅度左移1位，减去1表示负数（因此最低有效位表示符号：偶数为非负数，赔率为负数）

无论哪种方式，正整数需要更多空间的转换点现在是前面的2倍：

[0，2^6）：一个字节

[2^6，2^13）：两个字节

[2^13，2^20）：三个字节

[2^20，2^27）：四个字节

[2^27，2^34）：五个字节

[2^34，2^41）：六个字节

[2^41，2^48）：七个字节

[2^48，2^55）：八个字节

[2^55，2^63）：九个字节

若要在sint*上使用int*，负数必须非常罕见，但也有可能，和/或您希望编码的最常见的正值必须正好落在一个转换点附近，该转换点导致sint*中的编码比int*大（例如-2^6与2^7导致2x编码大小）

---

基本上，如果你的数字中有一些可能是负数，那么默认情况下使用sint*而不是int*。int*很少优于int*，通常甚至不值得你花费额外的精力来判断它是否值得，IMHO。

并理解你的

[）

符号：