3.1 tag与wire type：TLV骨架的字节解剖

3.1 tag 与 wire type：TLV 骨架的字节解剖

本节摘要：每段 Protobuf 字节流的最小单元是"tag + 载荷"，tag 用一个 varint 编码同时携带字段编号与 wire type（编号左移三位或上类型值）。本节拆解 tag 的位运算构成、六种 wire type 的完整映射、以及 wire type 赋予解码器的"盲跳"能力——它是全部兼容机制的基石。读完你应当能在十六进制 dump 与 proto 定义之间双向翻译。

本节在知识地图的位置：全章乃至全册的地基。第 1 章悬案里那些"08、0A、12"的字节身份，在读完本节后应当全部可解释；通往 3.2 的 varint 深潜与 3.3 的递归结构。

第一颗纽扣：tag 怎么读

从最小的例子开始。proto 定义：

message Simple {
  int32  count = 1;
  string label = 2;
}
​

赋值 count = 150、label = "ab"，序列化结果是：

08 96 01 12 02 61 62
​

逐颗纽扣拆开。08 是 count 的 tag，96 01 是 150 的 varint 载荷（下一节详解），12 是 label 的 tag，02 是长度前缀（后面跟 2 字节），61 62 是 "ab" 的 UTF-8 字节。每个字段都是"tag 开头，载荷随后"——这就是 TLV（Tag-Length-Value）名字的由来，而 Length 只在 wire type 2 时显式出现，varint 载荷的长度由编码自身决定。

tag 自身也是一个 varint，它的数值由一条位运算公式决定：

tag 数值 = (字段编号 << 3) | wire type
​

验证两个例子。字段 1、wire type 0（varint）：1 左移三位是 8，或上 0 还是 8——十六进制 08，对上了。字段 2、wire type 2（长度前缀）：2 左移三位是 16，或上 2 是 18——十六进制 12，也对上了。所以第 2 章说"1–15 号 tag 只占一字节"的来历就完全清晰了：单字节 varint 的 7 个有效位里，低 3 位让给了 wire type，高 4 位装编号，上限 15。字段 16 的 tag 是 16 左移三位 128，或上 0 得 128，而 128 超出单字节 varint 的表示范围（最高位是 continuation bit），必须编码成两个字节 80 01。

六种 wire type：器物形态分类表

tag 低三位的类型值一共有六种合法形态：

三处值得停留的观察。其一，wire type 是"编码形态"不是"精确类型"：int32 与 sint32 的 wire type 都是 0，但载荷的解读规则不同（原码 varint 对 ZigZag varint）——这正是第 2 章说"int 改 sint 是不兼容变更"的完整出处：tag 不变、字节长度甚至都不变，但读出来的数完全错位，且无任何报错。其二，LEN 一家五口：字符串、bytes、嵌套 message、repeated 的每个元素、map 的每个键值对，载荷全部是"长度前缀 + 字节串"形态——3.3 节会展示这五种东西在字节层的惊人同构。其三，类型 3/4 是废弃地层：proto2 的 group 语法留下的遗迹，新代码永不接触，但 decode_raw 老消息时可能撞见，认得出即可。

"盲跳"：兼容性的字节层起源

wire type 最深远的意义不在编码省字节，而在解码器不需要契约就能跳过任何字段。设想一个只认识字段 1 的旧版本解码器，遇到新版本发出的消息：

08 96 01 1A 03 E6 96 87
​

前 3 字节是它认识的字段 1。接着读到 tag 1A：解码器不知道字段 3 是什么，但它算出 wire type 是 2——载荷是一段长度前缀字节串；读一个 varint 得 3，跳过 3 字节。就这样，不认识字段 3 的解码器安全地越过了它，继续解析后面的内容。未知字段要么存起来回传（现代实现默认保留，第 1.2 节的政策史），要么安静丢弃——无论哪种，都不会错位、不会崩溃、不需要重新协商。

对比一下没有这层设计的世界：固定布局的二进制格式里，新增字段会让所有旧解析器从错位点开始读出彻底的乱码。Protobuf 的全部演进自由——加字段、新版本先上、跨团队独立演进——都从"tag 自描述 + wire type 盲跳"这一颗纽扣上生长出来。第 5 章的兼容法则本质都是对这颗纽扣的保护性约定。

实战案例：手解一段三字段 dump

背景：抓包拿到一段 19 字节的 dump，契约已知：

message Event {
  uint64 id = 1;
  int32  level = 2;
  string msg = 3;
}
​

dump 为：

08 96 01 10 05 1A 06 E4 B8 AD E6 96 87
​

操作：手工逐字段解析。读 tag 08：varint 值 8，右移三位得编号 1、低三位 wire type 0——字段 1 的 varint 载荷。按 varint 规则读 96 01（下一节给手算过程，结果 150）。字段 1 完成，指针在第 3 字节。读 tag 10：十六进制 10 即十进制 16，右移三位得编号 2，低三位得 wire type 0——字段 2 的 varint 载荷，读 05 即 5。指针到第 5 字节。读 tag 1A：十进制 26，右移三位编号 3，wire type 2——长度前缀。读 varint 06 得长度 6，随后 6 字节 E4 B8 AD E6 96 87 按 UTF-8 解码，恰好是"中文"。结果：消息为 id=150、level=5、msg="中文"，与 decode_raw 输出互相印证。**解读**：整个解析过程只用了两把尺子——tag 的位运算与"wire type 决定载荷边界"；六个 hex 字节的字段 3 无需任何契约就被正确读出。**变式**：把 dump 的第一个字节换成 10（tag 变成字段 2），后面字节流的解析会整体错位——这说明**字节流本身不防篡改**，tag 碰撞时错误是静默的，校验要靠业务层或传输层完成。

⚠️ 高频误读：把 tag 字节直接当字段值。新手在 08 96 01 里常把 08 当成 count 的值——记住每个载荷前面必然先有一颗 tag 纽扣，跳过它才是数值。

本节要点回顾

• tag 公式：字段编号左移三位按位或 wire type，tag 本身是 varint 编码；
• 六种 wire type：0 变长整数、1 定长 64 位、2 长度前缀、5 定长 32 位，3/4 是 group 遗迹禁用；
• 1–15 的完整解释：单字节 varint 7 个有效位，低 3 位让给 wire type，高 4 位装编号；
• 盲跳是兼容之母：不认识字段也能按 wire type 跳过，全部演进自由由此生长；
• int 与 sint 同 tag 不同解读：wire type 粒度上看不出编码规则差异，错位是静默的。

下一节深挖载荷里最常见的形态：varint 怎么用最少字节装下任意大小的整数，以及负数为什么病态地膨胀到 10 字节。