一、概述
在高级编程语言的世界中，开发者始终与**【object/struct】**这类高度抽象的数据结构打交道。然而在分布式架构下，任何服务进程都不是数据孤岛——跨进程数据交换是必然需求。
以Java为例，业务逻辑的输入输出都是**【object】。但在RPC场景中，这些对象必须经由网络传输。这里出现了一个根本性矛盾：网络介质(网线/光纤)对面向对象编程(OOP)一无所知，它们只会用光和电忠实地传输扁平化**的字节流(byte[])。
![]()
软件工程经典的分层理论驱使我们去添加一个转换层。
![]()
![]()
我们需要有个工具或者组件来协助进行**【object】和【byte[]】之间的双向转换**。这个过程包含两个对称的流程：
- 【object】->【byte[]】：业界一般称为序列化/serialize，但是那个单词念起来很拗口，本文我们都叫它【编码/encode】好了。
- 【byte[]】->【object】：业界一般称为反序列化/deserialize，但是那个单词念起来很拗口，本文我们都叫它【解码/decode】好了。
Hessian作为Java生态中久经考验的对象编解码器，相较于同类产品具有以下两大核心优势：
- 深度Java生态适配：与JSON、Protobuf等语言中立的通用协议不同，Hessian专为Java深度优化，对泛型、多态等Java特有语言特性提供原生支持。
- 高效二进制协议：相较JSON等文本协议，Hessian采用精心设计的二进制编码方案，在编解码效率和数据压缩率方面表现更优。
需要强调的是，软件工程没有银弹——业务场景的差异决定了编解码器的选择必然需要权衡取舍。但就Java RPC而言，Hessian应该是经过广泛实践验证的稳健选择。
本文将系统解析Hessian的编码流程，重点揭示其实现【object】->【byte[]】转换的核心机制。
二、基础编码原理
对象编码过程主要包含如下两大核心：
对象图遍历决定了编码能力的下限(能否正确处理对象结构)，而编码格式决定了编码能力的上限(传输效率、兼容性等)。
对象图遍历
![]()
对象图遍历的本质是按深度优先进行对象属性导航。
举个例子：
![]()
宏观来看，A类型的对象其实是一棵树(或图)，如果脑补不出来的话，我给你画个图：
![]()
可以看到这棵树的叶子结点都一定是Java内置的基本数据类型。换句话说，Java的8种基础数据类型和他们的数组变体，支撑了Java丰富的预定义/自定义数据结构。
八股文：Java的8种基础数据类型是哪些？String算不算基础数据类型？
编码的本质就是深度优先的遍历这棵树，拍平它，然后放到**byte[]**里。
我举个例子吧。
伪代码
为降低伪代码复杂度，我们假设Java只有1种基础数据类型int，也就是说Java里只有int和只包含int字段的自定义POJO。
我们定义POJO指的是用于传输、存储使用的简单Java Bean或者常说的DTO。
从某种意义上来说，Integer也是基于int封装的自定义POJO。
字节流抽象
我们使用标准库里的java.io.DataOutput来进行伪代码说理，这个类提供了一些语义化的编码function。
![]()
java.io.DataOutput
对象图遍历
![]()
字节流布局
最终呈现出来的字节流层面的数据布局会是这样：
![]()
看起来没毛病，唯一的问题就是不好解码。
当解码端收到一个16字节的字节流以后，它分不清哪块数据是A对象的，哪块数据是B对象的。甚至都分不清这到底是4个int32还是2个int64。
这个问题需要编码格式来解决。
编码格式
上面遗留的问题，聪明的你肯定想到了答案。
就是因为编码产物太太太简陋了，整个过程中只是一股脑的把树拍平，把叶子节点的值写入字节流，缺少结构元数据。
最最最重要的结构元数据就是数据块的边界，上述4个数据块，最起码应该添加3个边界标识。
![]()
我们先用我们耳熟能详的JSON格式来理解下编码格式这个事情。
伪代码
JSON是这样解决这个问题的：
![]()
JSON协议在嵌套的POJO上用**{}来作为边界，POJO内部的字段键值用 , 来做边界，:**拆分字段键值。
字节流布局
结果就变成这样：
![]()
这样在解码的时候，可以通过**{、}、,、:** 等token来切割JSON字符串，判定数据块边界并恢复出对象图。
三、Hessian编码格式
接下来我们可以开始介绍Hessian的编码魔法了。
需要强调的是：Hessian跟JSON不同，Hessian是二进制格式。如果一个字节流直接按字符集解码不能得到一个完整的、有意义的字符串，那它就是二进制编码数据。
Hessian在编码时，按数据块类型为每一个数据块添加一个前缀字节(byte)作为结构元数据，这些元数据和数据块一起，交给解码端使用。
数据块
对象图里的每一个节点，都是一个数据块。
![]()
如上图所示，以A对象为根的对象图，一共有6个数据块。
数据块标签（tag）
Hessain在编码每一个数据块时，都会根据数据块的类型在字节流中写入一个前缀字节(0-255)，这个字节说明了数据块的语义和结构。
以int32为例，其最基础的编码格式如下：
![]()
除该基础编码格式外，int32的编码还有其他变体。
上述 I 就是整数类型的tag。解码端读取tag后，按tag值来解码数据。
![]()
com.alibaba.com.caucho.hessian.io.Hessian2Input#readObject(java.util.List<java.lang.Class<?>>)
由此延伸、拓展，其他的数据类型都是类似的模式。常见数据类型及其对应的tag值如下：
![]()
值得注意的是，N、F、T三个tag是自解释的，和固定值映射、绑定。
POJO编码
POJO是一种特殊的数据块，Hessian将POJO的结构和值拆开，分别编码。
POJO结构编码
POJO结构的tag为C，对照int32的编码格式，POJO结构的编码格式如下：
![]()
举个例子：
![]()
编码POJO时，Hessain会将POJO的类名、字段名列表写入字节流，供解码端使用。后续编码POJO字段值时，需要按照字段名列表(如上述bb、cc)的顺序来编码字段值。
![]()
POJO字段值编码
POJO字段值的tag为O，对照int32的编码格式，POJO字段值的编码格式如下：
![]()
举个例子：
![]()
可以看到，编码POJO字段值的时候，在tag后面有一个POJO结构序号。
这是Hessian的一个数据复用的小技巧。
POJO结构复用
JSON协议有一个缺点，那就是重复数据带来的存储/传输开销。举个例子：
![]()
如上图，B类型的字段名(dd、ee)在编码产物中重复出现！
Hessian希望解决这个问题，同一类型的多个POJO对象在序列化时，只需要在第一次的时候编码类名、字段名等元数据，后续可以被重复的引用、使用，无需重复编码。
如果用Hessian来编码，结果会是这样：
数据布局
![]()
数据布局详解
![]()
如上图，APojo、BPojo的字段名只会编码一次。多个BPojo对象在编码时会通过**结构引用序号(1)**来引用它。相对JSON，Hessian避免了多次编码BPojo字段名的开销。
为什么APojo的序号是1、BPojo的序号是2？
Hessain在编码过程中，每次遇到一个新的、没有处理过的新POJO类型时，会给它分配一个从0开始、单调递增的序号。
遥相呼应的，解码侧每次解码一个tag为C的POJO结构数据块时，也会按解码顺序维护好其索引序号。
四、Hessian编码细节
到现在，我们已经对Hessian编码有了一个的概括性的认识，接下来我们来看看一些值得注意的细节。
重复对象复用
![]()
A对象里有两个字段(d、e)指向同一个对象B。如果不做处理，会因为重复编码而带来不必要的开销。
![]()
相同的一个B对象，因为被两个字段重复引用，导致2次编码、产生2份数据空间占用！
如果只是有额外的开销，没有可用性问题那都还好。关键是在循环引用场景下，会因为引用成环导致递归进行对象图遍历时触发方法栈溢出！
![]()
循环引用是重复引用的特例，只要将重复引用处理掉，循环引用也就没问题了。
Hessian通过对象引用来解决这个问题。在对象图遍历过程中，遇到一个之前没有遇到过、处理过的POJO对象时，会给它分配一个从0开始、单调递增的序号。
后续再次需要序列化相同的对象时，直接跳过编码流程，将这个对象的序号写入字节流。
![]()
解码时，解码侧按相同的顺序来恢复出引用序号表，解码后续的对象引用。
小整数内联(direct)
很多编码类型，都需要在tag后再维护一个整数类型的字段。比如：
- POJO的编码tag O需要一个整数来引用POJO结构引用序号。
![]()
- 类似String的变长类型需要一个整数来标识变长数据的长度。
![]()
当字符串很短，就比如**"hi"吧，短字符串编码格式的长度字段**可能比实际字符数据还大（用4字节存储长度2），效率低下。
tag分段
Hessian将一些tag值的语义富化，让它既体现数据类型，也体现小数值。
因为tag是一个byte(int8)，取值范围是0-255，每个tag标识一种特定的数据类型(int、boolean等)，但是这些数据类型最多几十种，取值范围内还有很大的数值区间没有被使用，其实比较浪费。那我们就可以把这些空闲的tag值，挪作他用，提升tag数值空间利用率。
我举个例子，注意这个是参考Hessian思路的一个简单示意，具体的Tag值和Hessian无关。
![]()
长度内联
对于长度≤31的字符串，Hessian用tag同时编码类型和长度。
- 当0 <= tag <= 31 时，标识后续的数据块为字符串。
- tag的数值即为后续数据块的长度。
示例如下：
![]()
序号内联
当结构引用序号<=16时，Hessain用tag同时编码类型和序号。
1. 当0x60 <= tag <= 0x70 时，标识后续的数据块为POJO字段值。
2. tag - 0x60的值，即为POJO结构(类名+字段名)引用序号。
示例如下：
![]()
相关源码如下：
![]()
com.alibaba.com.caucho.hessian.io.Hessian2Output#writeObjectBegin
字符串编码
Hessian编码字符串的关键流程是：字符串分段+不同长度的子串使用不同的tag。
字符串会被分割为若干块，每块最大长度为32768（0x8000）。前N-1块均为完整长度的子串（32768字节），使用固定tag R标识；最后一块为剩余部分，长度范围为0-32768字节，根据实际长度选择动态tag。
-
尾段tag的选择基于尾块的长度决定
- 长度≤31（0x1F）：使用单字节tag 0x00-0x1F直接内联长度值。
- 32≤长度≤1023（0x3FF）：使用tag 0后跟1字节长度(大端序)，10bit的计数空间由tag字节和长度字节共同提供。这个地方有点绕，看下代码吧。
- 长度≥1024：使用tag S后跟2字节长度（大端序）。
-
相关源码
![]()
com.alibaba.com.caucho.hessian.io.Hessian2Output#writeString(java.lang.String)
这种设计通过减少长字符串的冗余长度标记，在保持兼容性的同时显著提升了编码效率。
整数压缩
基础编码
整数(int32)的的取值范围很大(-23^31 - 2^31)，保守的编码格式会用4个byte来编码整数。
![]()
但是日常使用中，我们会大量使用小整数，比如1、31。这时候如果还用4字节编码就很不划算啦~
变长编码
Hessian根据整数的值范围，动态的选择不同的编码方式，且不同的编码方式有不同的tag：
- 单字节整数编码：类似【长度压缩】，tag中直接内联数值
适用范围：-16 到 47（共64个值）
编码方式：使用单字节，值为 value + 0x90（144）
例如：0 编码为 0x90，-1 编码为 0x8f，47 编码为 0xbf
适用范围：-2048 到 2047
编码方式：首字节为 0xc8 + (value >> 8)，后跟一个字节存储value剩下的bit。
这种编码可以表示12bit有符号整数
适用范围：-262144 到 262143
编码方式：首字节为 0xd4 + (value >> 16)，后跟两个字节存储 value 的高8位和低8位。
这种编码可以表示19bit有符号整数。
适用范围：超出上述范围的所有32位整数
编码方式：以 'I'（0x49）开头，后跟4个字节表示完整的32位整数值。
![]()
com.alibaba.com.caucho.hessian.io.Hessian2Output#writeInt
收益
其他的数值类型比如int64也有类似的机制。
五、总结
Hessian专为Java优化，采用高效二进制协议，通过对象图遍历和编码协议实现对象与字节流的转换，利用数据块标签、重复对象复用、数据压缩等机制，提升编解码效率和数据压缩率。
本文没有去展开Hessian的代码细节，而是尽可能深入浅出的介绍了Hessain的核心编码原理，以帮助读者建立对Hessian的宏观认知，从而可以更好的去理解和使用它。
尽管不同语言/生态的序列化框架选型让人眼花缭乱，但是各自需要解决的问题和解决问题的思路都大同小异；我们对Hessain原理的认识可以迁移到其他序列化框架，甚至自己写一个领域特定的序列化框架。
相关内容均为笔者走读源码整理而来，如有疏漏，欢迎指正。
参考：
往期回顾
1. 前端日志回捞系统的性能优化实践｜得物技术
2. 得物灵犀搜索推荐词分发平台演进3.0
3. R8疑难杂症分析实战：外联优化设计缺陷引起的崩溃｜得物技术
4. 可扩展系统设计的黄金法则与Go语言实践｜得物技术
5. 营销会场预览直通车实践｜得物技术
文 / 羊羽
关注得物技术，每周更新技术干货
要是觉得文章对你有帮助的话，欢迎评论转发点赞～
未经得物技术许可严禁转载，否则依法追究法律责任。
