4. 事件序列化与协议：JSON/Avro/Protobuf 序列化对比、事件 Schema 注册与兼容性

聊到事件驱动架构，有个绕不开的话题——序列化。

说白了，就是你在内存里攒好的那个事件对象，怎么变成一串字节流，通过网络扔出去，对面还能原封不动地读回来。我见过不少团队，前期图省事全用 JSON，等日均消息量上了千万级，才发现带宽扛不住、解析慢、Schema 一改就崩。嗯，今天咱们就把这事掰扯清楚。

4.1 三种主流序列化方案：JSON / Avro / Protobuf

先看一张对比表，心里有个底：

4.2 JSON：简单但别滥用

JSON 的好处不用我多说——人类可读、调试方便、任何语言都能解析。我早期做日志采集系统时，所有事件都先用 JSON 落盘，出问题了直接 tail 看，确实爽。

但你要注意，JSON 的「自描述」是有代价的。每条消息都带着字段名，比如 {"user_id": 123, "event": "click"}，字段名占了一大半字节。流量一上去，带宽和序列化耗时就成了瓶颈。

所以我的建议是：JSON 适合开发调试、低吞吐场景、或者 Schema 频繁变动的初期阶段。一旦进入生产环境，尤其是有跨团队、跨语言的数据交换，就该考虑二进制方案了。

4.3 Avro：大数据生态的「老司机」

Avro 是 Hadoop 生态的亲儿子，也是 Kafka 官方推荐的序列化方式。它的核心设计是 Schema 与数据分离——写数据时带上 Schema ID，读数据时去 Schema Registry 拉取对应的 Schema 来解析。

为什么 Avro 在事件流场景里这么吃香？

• 体积小：不存字段名，只存字段值，用紧凑的二进制编码。
• Schema 演进友好：内置了 BACKWARD、FORWARD、FULL 等兼容性策略。
• 动态类型：不需要代码生成，运行时就能解析，适合数据管道。

来看一个简单的 Avro Schema 定义：

{
  "type": "record",
  "name": "UserLogin",
  "namespace": "com.example.events",
  "fields": [
    {"name": "user_id", "type": "string"},
    {"name": "login_time", "type": "long"},
    {"name": "ip_address", "type": ["null", "string"], "default": null}
  ]
}

注意那个 ip_address 字段——它用了联合类型 ["null", "string"]，并给了默认值 null。这就是 Avro 兼容性的精髓：新加的字段必须有默认值，老数据才能被新 Schema 读出来。

4.4 Protobuf：微服务界的「性能控」

Protobuf 是 Google 出品，gRPC 的默认序列化协议。它的思路跟 Avro 不太一样——用编号代替字段名，每个字段在 .proto 文件里分配一个唯一的数字 tag。

syntax = "proto3";

message UserLogin {
  string user_id = 1;
  int64 login_time = 2;
  optional string ip_address = 3;
}

Protobuf 的优势在于：

• 极致性能：Varint 编码、ZigZag 编码，整数类型压缩得特别狠。
• 强类型约束：编译期就检查类型错误，运行时几乎零开销。
• 跨语言代码生成：定义一次 .proto，自动生成 Java、Go、Python 等语言的代码。

4.5 事件 Schema 注册与兼容性

不管用 Avro 还是 Protobuf，只要上了二进制序列化，你就得面对一个问题：Schema 怎么管理？

你想想看，生产者用 v2 的 Schema 写数据，消费者还在用 v1 的 Schema 读，字段对不上怎么办？

解决方案就是 Schema Registry——一个中心化的 Schema 存储和校验服务。常见的实现有 Confluent Schema Registry、Apicurio Registry、Huawei Schema Registry 等。

4.5.1 Schema Registry 的核心流程

1. 生产者启动时，向 Registry 注册或拉取 Schema，拿到一个全局唯一的 Schema ID。
2. 序列化时，把 Schema ID 写在消息头里（通常 4 字节），后面跟着真正的二进制数据。
3. 消费者收到消息，先读 Schema ID，去 Registry 缓存或远程拉取对应的 Schema。
4. 用 Schema 反序列化数据，完成事件还原。

我画了一张流程图，帮你理清这个链路：

4.5.2 兼容性策略

Schema Registry 不只是存 Schema，它还会校验兼容性。常见的策略有：

4.6 如何选择？一张决策流程图

最后，我根据自己的经验，整理了一个简单的选择逻辑：