Xlang 序列化格式
跨语言序列化规范
本文定义 Apache Fory xlang 二进 制协议的通用线格式，适用于多语言互操作场景。
目标：
- 二进制布局跨语言稳定
- 支持引用跟踪、类型元信息和 schema 演进
- 在流式序列化中支持增量写入共享元信息
类型系统
数据类型
xlang 类型分为：
- 基础类型：bool、整数、浮点、string、binary
- 容器类型：list、set、map、array
- 结构类型：enum、struct、union、ext
- 时间类型：duration、timestamp、date
Polymorphisms
协议支持多态对象。解码端可依据 type meta 判断运行时真实类型，并选择对应 serializer。
Type disambiguation
当某语言类型可映射到多个 Fory 类型（如 fixed/varint/tagged 整数）时，必须通过字段元信息或类型注解消歧。
Type ID
类型由 internal_type_id 与（可选）user_type_id 共同表达：
- 内建类型通常直接由 internal ID 唯一表示
- 用户类型通 过 internal kind + user ID（或命名类型）表示
Internal Type ID Table
核心 internal IDs（示例）：
| ID | 类型 |
|---|---|
| 1 | bool |
| 2-20 | 各类数字类型 |
| 21 | string |
| 22 | list |
| 23 | set |
| 24 | map |
| 25 | enum |
| 27 | struct |
| 28 | compatible_struct |
| 31 | ext |
| 33 | union |
| 36 | none |
| 37 | duration |
| 38 | timestamp |
| 39 | date |
| 40+ | decimal/binary/array 等 |
完整映射见 Xlang 类型映射。
Type ID Encoding for User Types
用户类型采用拆分编码：
- 先写 internal type ID（8-bit kind）
- 再写
user_type_id（varuint32）
不做 bit packing，便于实现与调试。
Type mapping
跨语言类型映射总表见 xlang_type_mapping.md。
规范概览
顶层布局：
| fory header | reference meta | type meta | value payload |
协议默认 little-endian。
Fory 头部
头部是 1-byte bitmap：
| reserved(5) | oob(1) | xlang(1) | null(1) |
null=1时值为空，不再写值数据xlang=1表示采用 xlang 格式oob=1表示存在 out-of-band 缓冲区引用
Reference Meta
Reference Flags
| 标记 | 值 | 含义 |
|---|---|---|
| NULL_FLAG | -3 | null |
| REF_FLAG | -2 | 已出现对象，后接 ref id |
| NOT_NULL_VALUE_FLAG | -1 | 非空但不跟踪引用 |
| REF_VALUE_FLAG | 0 | 首次出现的可引用对象 |
Reference Tracking Algorithm
写侧：
- 先判断 null
- 若可引用且已出现，写
REF_FLAG + ref_id - 若可引用且首次出现，写
REF_VALUE_FLAG并登记 - 若 不可引用，写
NOT_NULL_VALUE_FLAG
读侧：
- 读取标记
REF_FLAG时按 ref_id 回表REF_VALUE_FLAG时先构造对象再登记NOT_NULL_VALUE_FLAG时直接读值
Reference ID Assignment
ref id 按对象首次出现顺序递增分配，从 0 开始。
When Reference Tracking is Disabled
禁用引用跟踪时，仅使用 null / not-null 两类标记，不维护 ref 表。
Language-Specific Considerations
不同语言应保证：
- 对象身份判定一致（身份而非值相等）
- 容器元素引用语义一致
- 循环引用场景先占位后填充
Type Meta
Type ID encoding
type id 使用 varuint 编码写入。
Type meta payload
在以下情况写额外 type meta：
- 命名类型（
NAMED_*） - compatible struct 需要 TypeDef
- 运行时未声明类型需要动态 type info
Shared Type Meta (streaming)
共享 type meta 采用“索引 + 可选定义体”流式写法：
index_marker = (index << 1) | is_ref
is_ref=1：引用已有 typeis_ref=0：新 type，后接定义体
TypeDef (schema evolution metadata)
TypeDef 用于描述 compatible 模式的字段元信息（字段名/tag、nullable/ref、字段类型）。
Global header
TypeDef 头部包含：
- payload size
- flags（如 compress、has_fields_meta）
- payload hash
TypeDef body
主体包含：
- class 层次信息（父类到子类）
- 每层字段数量与类型标识
- 字段级元信息（名称编码/tag、nullable/ref、field type）
Meta String
meta string 用于 namespace、typename、fieldname 的压缩表示。
Encoding Type IDs
常见编码族：
- UTF8
- LOWER_SPECIAL
- LOWER_UPPER_DIGIT_SPECIAL
- FIRST_TO_LOWER_SPECIAL
- ALL_TO_LOWER_SPECIAL
Character Mapping Tables
LOWER_SPECIAL (5 bits per character)
适用于小写字母 + 高频特殊字符集合。
LOWER_UPPER_DIGIT_SPECIAL (6 bits per character)
适用于大小写字母、数字与特殊字符混合场景。
Encoding Algorithms
LOWER_SPECIAL Encoding
按 5-bit 映射逐字符编码，无法映射的字符需回退至其他编码。
FIRST_TO_LOWER_SPECIAL Encoding
首字符单独处理，其余字符按 LOWER_SPECIAL 编码。
ALL_TO_LOWER_SPECIAL Encoding
先归一化，再按 LOWER_SPECIAL 编码。
Encoding Selection Algorithm
编码选择策略：
- 尝试最紧凑编码
- 若字符集合不满足则降级
- 必要时回退 UTF8
Meta String Header Format
| size_bits | encoding_bits |
当 size 超过短头范围时追加 varuint 扩展长度。
Special Character Sets by Context
不同上下文（包名、类型名、字段名）允许字符集合可不同，编码器需按上下文选择合法表。
Deduplication
meta string 可按会话去重，减少重复写入。
Value Format
Basic types
bool
1 字节：0x00/0x01。
int8
1 字节有符号整型。
int16
2 字节 little-endian。
unsigned int32
固定 4 字节无符号整型。
unsigned varint32
varint32（无符号）编码。
signed int32
固定 4 字节有符号整型。
signed varint32
ZigZag + varint32。
unsigned int64
固定 8 字节无符号整型。
unsigned varint64
varint64（无符号）编码。
unsigned hybrid int64 (TAGGED_UINT64)
tagged 编码，兼顾小值空间效率与大值表示范围。
VarUint36Small
用于字符串头等场景的紧凑长度编码。
signed int64
固定 8 字节有符号整型。
signed varint64
ZigZag + varint64。
signed hybrid int64 (TAGGED_INT64)
tagged int64 编码。
float8
预留/实验类型，生产互操作需谨慎。
float16
16-bit 浮点。
bfloat16
bfloat16 表示。
float32
IEEE 754 float32 little-endian。
float64
IEEE 754 float64 little-endian。
string
字符串编码：
| header(varuint36_small) | bytes |
header 中包含 byte length 与 coder 信息。
String Header
(byte_length << 2) | coder，coder 表示 UTF8/LATIN1/UTF16 等。
Encoding Algorithm
按候选编码尝试，优先选择更紧凑且可无损表示的编码。
Encoding Selection by Language
各语言实现可按本地字符串内部表示优化，但线上编码结果必须与规范一致。
Empty String
空串长度为 0，仍应写合法 header。
duration
通常写 seconds + nanos。
collection/list
列表布局：
- 长度
- elements header
- （可选）元素类型信息
- 元素数据
Elements Header
header 位用于表达：
- 是否跟踪元素引用
- 是否含 null
- 是否同构
- 是否使用声明类型
Type Info After Header
在同构且非声明类型场景，可在 header 后一次性写 element type info。
Element Serialization Based on Header
根据 header 走不同元素序列化路径（同构快路径 / 异构慢路径）。
elements data
元素数据按顺序编码；null 与 ref 标记按配置插入。
array
primitive array
基础类型数组可直接按内存块拷贝（注意 endian 与对齐）。
Multi-dimensional arrays
多维数组按嵌套 array/list 递归表达。
object array
对象数组元素逐个编码，支持引用与多态。
map
map 使用分块编码（chunk-based）。
Map Chunk Format
| map_size | chunk_1 | chunk_2 | ... |
KV Header Bits
header 位描述 key/value 的：
- 是否跟踪引用
- 是否含 null
- 是否使用声明类型
Chunk Size
每个 chunk 大小上限通常为 255 entries。
Why Chunk-Based Format?
减少每个 entry 重复写 type info 的成本，提升吞吐。
Why serialize chunk by chunk?
在 key/value 类型局部一致时可批量走快路径，并简化解码分支。
enum
enum 可按 ordinal 或名称编码（取决于配置与目标兼容要求）。
timestamp
通常写 seconds + nanos 或统一 epoch 精度表示。
date
通常写 epoch day。
decimal
decimal 由 scale + unscaled value 表示（实现可用大整数）。
struct
struct 编码：字段按稳定顺序写入。
Field order
推荐使用规范定义的稳定分组排序，避免语言实现差异导致 hash 不一致。
Step 1: Field identifier
字段标识优先使用 tag ID；否则使用标准化字段名（如 snake_case）。
Step 2: Group assignment
按字段类别分组（primitive、builtin、collection/map、other）。
Step 3: Intra-group ordering
组内使用稳定比较器（type + name/tag）排序。
Notes
实现必须保证排序确定性（deterministic）。
Schema consistent (meta share disabled)
不共享 meta 时，双方 schema 需一致；通常直接按固定顺序写字段值。
Compatible mode (meta share enabled)
共享 TypeDef 后可按字段名/tag 做映射，未知字段跳过。
Union
IDL syntax
union Animal {
Dog dog = 1;
Cat cat = 2;
}
Type IDs and type meta
union 本体有独立 type id，case 使用 case id 区分分支。
Union value payload
| case_id | case_value |
Wire layouts
根据 case 类型是否需要引用/类型元信息决定具体布局。
Decoding rules
先读 case_id，再按 case 类型规则读 payload；未知 case 可按兼容策略跳过或报错。
When to use each type ID
- 结构稳定、跨语言常驻类型：建议固定数值 type id
- 动态类型/未注册类型：使用命名类型路径
Compatibility notes
新增 union case 应使用新 case id，不应复用旧 id。
Type
动态 type 值应携带足够 type meta，确保接收端可判别并解码。
Common Pitfalls
常见问题：
- 字段排序不稳定导致 schema/hash 不一致
- varint 与 fixed/tagged 配置不一致
- null 与空值语义混淆
- 引用跟踪开关两端不一致
- 命名类型 namespace/typename 不稳定
Language Implementation Guidelines
- 统一 little-endian
- 明确对象身份语义（用于 ref tracking）
- 对所有 offset/size 做边界与溢出检查
- 维护跨版本回归用例（含演进、循环引用、复杂容器）
- 与 Java/Python/C++/Rust/Go 做双向互测