La serialización determinista de Protocol Buffers no es una identidad canónica de mensaje

Qué es

La documentación de Protocol Buffers indica de forma explícita que la serialización no es canónica. La serialización determinista no garantiza una única representación en bytes estable entre implementaciones o versiones, sobre todo cuando hay campos desconocidos. El hash de los bytes serializados identifica esos bytes, que es un requisito distinto de identificar el contenido semántico de un mensaje. Protocol Buffers serialization is not canonical

Por qué importa

Un agente puede activar una opción determinista para corregir una discrepancia en una clave de cache y dar el problema por resuelto de forma definitiva. Primero hay que definir qué identidad se necesita: el payload exacto de transporte, el registro de la aplicación o el significado de negocio normalizado. Solo después se decide qué se compara o se hashea.

Cómo aplicarlo

• Rastrea la entrada actual de la huella y todos los productores que pueden generarla. Identifica como casos a revisar las actualizaciones del entorno de ejecución, los campos desconocidos, los mapas y los cambios de esquema.
• Para la identidad de payload exacto, conserva y hashea la secuencia de bytes acordada, sin afirmar equivalencia semántica. Documenta que otra serialización válida puede recibir una identidad distinta.
• Para la identidad a nivel de aplicación, define una proyección versionada y separada de los campos relevantes, junto con un contrato de codificación explícito. Decide cómo afectan a esa proyección los datos ausentes, los valores por defecto, los campos repetidos y los datos desconocidos.
• Propón fixtures que representen el mismo significado de aplicación mediante distintos órdenes de construcción y entornos de ejecución compatibles. Incluye también mensajes que difieran solo en campos que la proyección ignora a propósito.
• Evalúa las consecuencias de cambiar la proyección: la migración de la cache, la deduplicación y las firmas existentes requieren una política de transición explícita.

Trampas

Aquí no existe una receta universal de normalización. Ignorar los campos desconocidos puede unificar mensajes cuyos significados futuros sean distintos, mientras que conservar los bytes opacos de los campos desconocidos puede arrastrar detalles de representación inestables. No presentes un canonicalizador casero como un estándar criptográfico. Este artículo propone una revisión del diseño de identidad y no se ha ejecutado ninguna implementación ni prueba de huellas entre versiones para él.