研究 Protobuf 时发现一个挺好的算法 — ZigZag
发布时间：2025-11-05 02:34:03 来源：创站工坊 作者：数据库
我原本是研究想研究 Protobuf 原理呢，但在研究过程中发现 Protobuf 在对负数编码时使用到了 ZigZag 算法，挺好所以才有了本篇。研究当然你不懂 Protobuf 也完全不影响阅读。挺好
在聊这个算法之前，研究我们先聊聊进制、挺好补码相关的研究东西。如果你懂，挺好那就指向往下翻。研究
该篇代码：
https://github.com/miaogaolin/gofirst/tree/main/zigzag
进制
所谓进制，挺好就是研究当某一位上的信息满时，需要往前进位。挺好比如，研究十进制，挺好就是研究当某一位上的数满十时进位；而某一位上的数满二时进位就是二进制，等等。
进位之间都可以相互转化，例如：
十进制：10 → 二进制：1010 → 十六进制：A
我之前看过一个答案，说：为什么十进制比较通用？
因为咱人类只有 10 个手指头，数一遍刚好十个数，所以十进制自然就成为默认的进制。那如果人类长 11 手指头，说不定就是十一进制。
后来计算机的亿华云计算出现，一个数据的有无是最天然的信息承载单元，所以由 0 和 1 组成的二进制很自然成为计算机的进制方式。在此基础上，为了方便信息的使用，又采用了八进制、十六进制。
好了，进制这个东西就聊到这了。
三个东西
下来我们对一个十进制正整数表示为二进制，例如：十进制 10 等于二进制 1010。
那如果二进制表示一个负数，该怎么办？下来我们聊聊。
在计算机的世界里，定义了原码、反码和补码这几个东西。为了下来讲解简单点，我们假设使用一个字节（1Byte=8bits）表示一个数。
1. 原码
我们用第一个位表示符号（ 0 为非负数，1 为负数），剩下的位表示值。例如：
+8 → 原：00001000
-8 → 原: 10001000
2. 反码
我们用第一位表示符号（ 0 为非负数，1 为负数），剩下的位，云服务器提供商非负数保持不变，负数按位求反。例如：
+8 → 原：0000 1000 → 反：0000 1000
-8 → 原：1000 1000 → 反：1111 0111
如果我们用原码或者补码来表示整数的二进制，有什么问题吗？表面上看，似乎挺好的。不过仔细思考就会发现两个问题：
第一，0 居然可以用两个编码表示，+0 和 -0。
原：0000 0000 → 1000 0000
反：0000 0000 → 1111 1111
第二，计算机不知道符号位的存在，因此参加运算后，会出现一个奇怪的现象。
原码
1 + (-1)
→ 0000 0001 + 1000 0001
→ 1000 0010
→ -2
明显是不对的！
反码
1 + (-1)
→ 0000 0001 + 1111 111
→ 1111 1111
→ -0
这看起来也怪怪的。
因此，为了解决这些问题，我们在计算机体系中引入了补码。
3. 补码
我们用第一位表示符号（ 0 为非负数，1 为负数），剩下的位非负数保持不变，负数按位求反末位加一。
+8 → 原：0000 1000 → 补：0000 1000
-8 → 原：1000 1000 → 补：1111 1000
现在我们看看，把符号带进去运算会出现什么结果？
1 + (-1)
→ 0000 0001 + 1111 1111
→ 0000 0000
→ 0
很明显，通过这样的方式，服务器租用计算机进行运算的时候，就不用关心符号这个问题，统一都按照满 2 进 1 规则处理。
好了，进制和补码的知识就说到这了，下来进入真正的主题。
ZigZag
在大多数情况下，我们使用到的整数往往会比较小。
而我们为了在系统通讯时便于传输，往往需要一个整形（int32、int64）作为基本的传输类型。
因此在大多数系统中，以 4 Bytes 和 8 Bytes 来表示。这样，为了传输一个整型 1，我们需要传输 “00000000 00000000 00000000 00000001” 32 个 bits，而有价值的数据只有 1 位，剩下的都是浪费呀！
那怎么办呢？ZigZag 应用而生。那这个算法具体的思想是怎么样的呢？
对于正整数来讲，如果在传输数据时，我们把多余的 0 去掉，或者尽可能的减少无意义的 0。那么我们是不是就可以将数据进行压缩？那怎样进行压缩？
答案也很简单，例如 00000000 00000000 00000000 00000001 这个数。如果我们只发送 1 位 或者 1 字节 00000001，是不是就会很大程度减少无用的数据？
当然，如果这个世界上只有正整数，那我们就可以方便的做到这一点。可惜，他居然存在负数！那负数如何表示？
例如，十进制 -1 的补码表示为 11111111 11111111 11111111 11111111。
可以看到，前面全是 1，你说怎么弄？
ZigZag 给出了一个很巧妙的方法。我们之前讲补码说过，补码的第一位是符号位，他阻碍了我们对于前导 0 的压缩，那么，我们就把这个符号位放到补码的最后，其他位整体前移一位。
补：** 1 **1111111 11111111 11111111 11111111
→ 符号后移：11111111 11111111 11111111 111111** 1
**但是即使这样，也是很难压缩的。于是，这个算法就把负数的所有数据位按位求反，符号位保持不变，得到了这样的整数，如下：
十进制：-1
→ 补：** 1 **1111111 11111111 11111111 11111111
→ 符号后移：11111111 11111111 11111111 1111111** 1
**→ ZigZag：00000000 00000000 00000000 0000000** 1
**而对于非负整数，同样的将符号位移动到最后，其他位往前挪一位，数据保持不变，如下：
十进制：1
→ 补：** 0 **0000000 00000000 00000000 00000001
→ 符号后移：00000000 00000000 00000000 0000001** 0
**→ ZigZag：00000000 00000000 00000000 0000001** 0
**这样一弄，正数、0、负数都有同样的表示方法了。我们就可以对小整数进行压缩了，对吧~
于是，就可以写成如下的代码：
func int32ToZigZag(n int32) int32 { return (n << 1) ^ (n >> 31) }n << 1 将整个值左移一位，不管正数、0、负数他们的最后一位都会变成了 0。讲解如下：
十进制：1
→ 补：** 0 **0000000 00000000 00000000 00000001
→ 左移一位：00000000 00000000 00000000 00000010
十进制：-1
→ 补：** 1 **1111111 11111111 11111111 11111111
→ 左移一位：11111111 11111111 11111111 11111110
n >> 31 将符号位放到最后一位。如果是非负数，则为全 0；如果是负数，就是全 1。讲解如下：
十进制：1
→ 补：** 0 **0000000 00000000 00000000 00000001
→ 右移 31 位：00000000 00000000 00000000 0000000** 0
**十进制：-1
→ 补：** 1 **1111111 11111111 11111111 11111111
→ 右移 31 位：11111111 11111111 11111111 1111111** 1
**最后这一步很巧妙，将两者进行按位异或操作。
十进制：1
→ n << 1 ：00000000 00000000 00000000 00000010 ^
n >> 31 ： 00000000 00000000 00000000 0000000** 0
**→ 00000000 00000000 00000000 0000001** 0
**可以看到最终结果，数据位保持不变，而符号位也保持不变，只是符号位移动到了最后一位。
十进制：-1
→ n << 1 ：11111111 11111111 11111111 11111110 ^
n >> 31 ：11111111 11111111 11111111 1111111** 1
**→ 00000000 00000000 00000000 0000000** 1
**可以看到，数据位全部反转了，而符号位保持不变，且移动到了最后一位。这一步真的写的很巧妙！
ZigZag 还原代码如下：
func toInt32(zz int32) int32 { return int32(uint32(zz)>>1) ^ -(zz & 1) }类似的，我们还原的代码就反过来写就可以了。不过这里要注意一点，就是右移的时候，需要用不带符号的移动，否则如果第一位是 1 的时，移动时会补1。所以，使用了无符号的移位操作 uint32(zz)>>1 。
好了，有了该算法，就可以得到一个有前导 0 的整数。只是，该数据依然使用 4 字节存储。下来我们要考虑如何尽可能的减少字节数，并且还能还原。
例如，我们将 1 按照如上算法转化得到：00000000 00000000 00000000 00000010。
下来我们最好只需要发送 2 bits（10），或者发送 8 bits（00000010），把前面的 0 全部省掉。因为数据传输是以字节为单位，所以，我们最好保持 8 bits这样的单位。所以我们有 2 种做法：
我们可以额外增加一个字节，用来表示接下来有效的字节长度，比如：00000001 00000010，前 8 位表示接下来有 1 个字节需要传输，第二个 8 位表示真正的数据。这种方式虽然能达到我们想要的效果，但是莫名的增加一个字节的额外浪费。有没有不浪费的办法呢？
字节自表示方法。ZigZag 引入了一个方法，就是用字节自己表示自己。具体怎么做呢？我们来看看代码。
func compress(zz int32) []byte { var res []byte size := binary.Size(zz) for i := 0; i < size; i++ { if (zz & ^0x7F) != 0 { res = append(res, byte(0x80|(zz&0x7F))) zz = int32(uint32(zz) >> 7) } else { res = append(res, byte(zz&0x7F)) break } } return res }大家先看看代码里那个 ^0x7F，他究竟是个什么数呢？
^0x7F：11111111 11111111 11111111 10000000
他就是从倒数第八位开始，高位全为 1 的数。他的作用就是去除最后七位后，判断还有没有信息。
我们把 ZigZag 值传递给这个函数，这个函数就将这个值从低位到高位切分成每 7 bits 一组，如果高位还有有效信息，则给这 7 bits 补上 1 个 bit 的 1（0x80）。如此反复 直到全是前导 0，便结束算法。
举个例来讲：
十进制：-1000
→ 补：** 1 **1111111 11111111 11111100 00011000
→ ZigZag：00000000 00000000 00000111 1100111** 1
**我们先按照七位一组的方式将上面的数字划开，0000 0000000 0000000 0001111 1001111。
详细步骤如下：
他跟 ^0x7F 做与操作的结果，高位还有信息，所以，我们把低 7 位取出来，并在倒数第八位上补一个 1（0x80）：11001111。
将这个数右移七位，0000 0000000 0000000 0000000 0001111。
再取出最后的七位，跟 ^0x7F 做与操作，发现高位已经没有信息了（全是0），那么我们就将最后 8 位完整的取出来：00001111，并且跳出循环，终止算法。
最终，我们就得到了两个字节的数据 [11001111, 00001111]。
通过上面几步，我们就将一个 4 字节的 ZigZag 变换后的数字变成了一个 2 字节的数据。如果我们是网络传输的话，就直接发送这 2 个字节给对方进程。对方进程收到数据后，就可以进行数据的组装还原了。具体的还原操作如下：
func decompress(zzByte []byte) int32 { var res int32 for i, offset := 0, 0; i < len(zzByte); i, offset = i+1, offset+7 { b := zzByte[i] if (b & 0x80) == 0x80 { res |= int32(b&0x7F) << offset } else { res |= int32(b) << offset break } } return res }整个过程就和压缩的时候是逆向的，对于每一个字节，先看最高一位是否有 1（0x80）。如果有，就说明不是最后一个数据字节包，那取这个字节的最后七位进行拼装。否则，说明就是已经到了最后一个字节了，那直接拼装后，跳出循环，算法结束。最终得到 4 字节的整数。
结语
算法不是很复杂，遇到哪块不懂了，就好好观察想想，这也是对 Protobuf 原理理解的重要部分。如果有不懂的，就在下方给我留言！
完整代码：
https://github.com/miaogaolin/gofirst/tree/main/zigzag
- Copyright © 2025 Powered by 研究 Protobuf 时发现一个挺好的算法 — ZigZag,创站工坊 滇ICP备2023006006号-44sitemap