3.2 varint与ZigZag：整数压缩的原形
3.2 varint 与 ZigZag：整数压缩的原形
本节摘要：varint 用"每字节 7 位有效 + 1 位 continuation"的切分规则，把任意 64 位整数装进 1 到 10 个字节，值越小越省；ZigZag 用一次符号映射解决负数的 10 字节病态。本节给出两个算法的手算全过程、第 1 章悬案的最终解答，以及"为什么 300 编码成 AC 02"这类面试级问题的标准解法。读完你应当能手工编解码 4 字节以内的任何 varint。
承接 3.1 的骨架：tag 之后最常见的就是 varint 载荷。这一节把第 2 章类型选型的所有结论——sint 的存在理由、负数的代价、fixed 的反超条件——全部落到字节级机理上。
varint：七位一组的切分术
varint 的规则一句话可以说完：把整数的二进制位从低位起每 7 位切成一组，每组前面加一个续位标记，装进一串字节里。每个字节的最高位（第 8 位）是 continuation bit——1 表示后面还有字节，0 表示这是最后一组。
手算编码 150。150 的二进制是 10010110，只有 8 位，切成两组：低 7 位 0010110，高 1 位 0000001。低组装进第一个字节并置续位为 1：10010110，即十六进制 96；高组装进第二个字节、续位为 0：00000001，即 01。结果就是第 3.1 节 dump 里见过的 96 01。
反向解码同样机械。读 AC 02（第 1 章导读悬案里的字节对）：第一个字节 AC 二进制 10101100，续位是 1，有效 7 位是 0101100；第二个字节 02 续位是 0，有效位 0000010。按"低组在后"的顺序拼接：高位组 0000010 接上低位组 0101100，得 0000010 0101100，即二进制 100101100，十进制 300。所以导读里那段消息的末尾字段值是 300——没有任何工具，两个字节手算出来。
图 3-2 varint 编码的切分与续位机制
负数的十字节病态
varint 对小正数极度友好（值小于 128 恒 1 字节），对负数却病态地浪费。机理：int32 的 -1 在补码表示下是 32 个 1。序列化时它先被符号扩展成 64 位的全 1 模式，varint 按 7 位切组，64 个 1 切满 10 组——-1 编码成 FF FF FF FF FF FF FF FF FF 01，整整 10 个字节。而 -2、-100、-1000000 只要还在负数区间，统统都是满 10 字节：补码下负数的低位有大量的 1，切不出"高位全 0 可以省掉"的余量。
这就是 2.2 节"负数密集字段选 sint"的完整病理与药方出处。
ZigZag：一次映射救回九个字节
sint32/sint64 的载荷在 varint 之前先过一道 ZigZag 变换，把有符号数交错映射到非负数：
原始值: 0 -1 1 -2 2 -3 3 -4 4 ... 映射值: 0 1 2 3 4 5 6 7 8 ...
映射公式（用中文写就是"非负数翻倍，负数翻倍取反减一"）：值 n 映射为 n 乘 2（n 为非负时）或 n 乘 2 的相反数减 1（n 为负时）。-1 映射成 1、-2 映射成 3、-3 映射成 5——幅值越小的负数，映射后越小，varint 越短。回到 -1：映射后是 1，varint 编码 01，一个字节。十字节对一个字节，这就是 ZigZag 全部的意义。
一个手算组合练习：编码 sint32 的 -3。先 ZigZag：-3 映射为 3 乘 2 加 1 等于 5（负数映射为绝对值乘 2 减 1）。再 varint：5 的二进制 101，单字节即可，续位 0，得 05。sint32 字段值为 -3 的载荷就是单字节 05。反方向：读到 sint32 载荷 05，先 varint 解出 5，ZigZag 逆映射：5 是奇数，对应负数 -(5+1)/2 = -3。
💡 一个帮助记忆的直觉：ZigZag 这个名字来自映射数轴的形状——0、-1、1、-2、2 在映射后的数轴上来回摆动，像一道闪电。设计者把"离 0 近"这个性质完整搬运到了非负半轴上，而 varint 恰好只偏爱离 0 近的数。两个算法咬合得严丝合缝。
定长整数：什么时候反超
varint 并非永远更小。值域恒大的字段（比如无符号 ID 高段、时间戳毫秒值），varint 需要 5 字节以上时，fixed32 恒 4 字节、fixed64 恒 8 字节反而占优，而且定长的解码免去了逐字节的循环与拼接，CPU 路径更短。判断式很简单：uint32 值超过 2 的 28 次方（约 2.7 亿）时 varint 用满 5 字节，与 fixed32 打平；再大就是 fixed 赢。第 2 章坐标字段选 fixed32 的案例，就是这条判断式的应用。
实战案例：第 1 章悬案的最终解答
背景：回看第 1 章的悬案 dump——测试环境与灰度环境的差异是 08 E9 07 变成了 08 EA 07。契约已知字段 1 是一个毫秒时间戳（int64）。操作：手算两个字段值。先解 E9 07：E9 二进制 11101001，续位 1，有效位 1101001；07 续位 0，有效位 0000111。拼接 0000111 1101001 得二进制 111101001，十进制 489。再解 EA 07：EA 有效位 1101010，拼接得 111101010，十进制 490。结果：两环境的字段值分别是 489 与 490——不是字段消失，是数值本身变了。489 到 490 恰好跨越了 varint 第二字节的进位边界（511 到 512 才是真正的双字节进位，但这里第二字节从 07 变 08 意味着跨过了 512 的整数倍边界附近），字段本身从未丢失。解读：最初"字段缺失"的告警来自下游一个手写的解析器——它对多字节 varint 的续位处理有 bug，只在特定字节组合（本例中第二字节的特定取值）下漏读字段。用对了 varint 语义的两端从来没错，错的是那个绕过标准库手搓解析的人。变式：这类"特定值触发"的解析器 bug 极其隐蔽——测试用例的数值永远在边界的一侧，灰度流量的真实数值跨过了另一侧。给手写解析器补测试时，要在每个 7 位边界（127/128、16383/16384、2 的 21 次幂前后）两侧各埋一个用例。
本节要点回顾
- varint 规则：低 7 位一组切字节，最高位做续位标记，1 是还有、0 是结束；
- 手算三步：二进制展开、七位分组、加续位拼字节——解码反着走；
- 负数病态：int 系负数符号扩展后满 10 字节，值大小不影响这个下限；
- ZigZag：有符号交错映射到非负，-1 从 10 字节到 1 字节，与 varint 咬合；
- varint 不是永远赢：值过 2.7 亿后 fixed32 反超，定长还省 CPU。
整数载荷解决后，还剩最大的一族器物：wire type 2 的"长度前缀 + 字节串"。字符串、嵌套消息、repeated、map 全在里面，下一节看它们如何在字节层同构。