标签：python integer 包括 进制 资料 exchange too 好的 速度
最近用Python时，遇到了序列化对象的问题，传统的json和新型序列化工具包msgpack都有涉及，于是做一个简单的总结：
通俗的讲：序列化：将对象信息转化为可以存储或传输的形式；反序列化：把这个存储的内容还原成对象。
json就不用多做解释了，是一种轻量级的数据交换格式，广泛应用于web开发中。当然也是将对象序列化成符合json规范的格式。网上有一堆堆资料。
msgpack就有意思了，先看下官方解释：
我这里主要基于实际python中的使用，对比一下两种序列化效果。具体细节这位兄弟的博客讲解比较详细：http://www.heyues.com/messagepack/
好的，不管别人说的多么牛逼，还是要用自己代码试一试，才是看的到的嘛，简单写了一个测试脚本：
对一个字典对象，用json和msgpack分别序列化、反序列化10000次，观察速度和序列化之后的内存占用。
import json,msgpack,sys,time
a = {‘name‘:‘yzy‘,‘age‘:26,‘gender‘:‘male‘,‘location‘:‘Shenzhen‘}
begin_json = time.clock()
for i in range(10000):
in_json = json.dumps(a)
un_json = json.loads(in_json)
end_json = time.clock()
print(‘Json serialization time: %.05f seconds‘ %(end_json-begin_json))
print (type(in_json),‘content: ‘,in_json,‘size: ‘,sys.getsizeof(in_json))
print (type(un_json),‘content: ‘,un_json,‘size: ‘,sys.getsizeof(un_json))
begin_msg = time.clock()
for i in range(10000):
in_msg = msgpack.packb(a)
un_msg = msgpack.unpackb(in_msg)
"""
# alias for compatibility to simplejson/marshal/pickle.
load = unpack
loads = unpackb
dump = pack
dumps = packb
"""
# in_msg1 = msgpack.dumps(a)
# un_msg1 = msgpack.loads(in_msg)
end_msg = time.clock()
print(‘Msgpack serialization time: %.05f seconds‘ %(end_msg-begin_msg))
print (type(in_msg),‘content: ‘,in_msg,‘size: ‘,sys.getsizeof(in_msg))
print (type(un_msg),‘content: ‘,‘size: ‘,sys.getsizeof(un_msg)
结果：
不得不说，从大小上面和耗时上面，msgpack的确有明显优势。
就我自己的测试而言，速度至少快了3倍多。
Json serialization time: 0.16115 seconds
<class ‘str‘> content: {"age": 26, "location": "Shenzhen", "name": "yzy", "gender": "male"} size: 117
<class ‘dict‘> content: {‘age‘: 26, ‘location‘: ‘Shenzhen‘, ‘name‘: ‘yzy‘, ‘gender‘: ‘male‘} size: 288
Msgpack serialization time: 0.05043 seconds
<class ‘bytes‘> content: b‘\x84\xa3age\x1a\xa8location\xa8Shenzhen\xa4name\xa3yzy\xa6gender\xa4male‘ size: 78
<class ‘dict‘> content: size: 288
这样看来，msgpack还是有很大潜力的。虽然现在现存的系统大都适用json，但随着发展，包括Redis等对msgpack的支持，msgpack肯定会用在越来越多的数据传输中。
标签：python integer 包括 进制 资料 exchange too 好的 速度
原文地址：http://www.cnblogs.com/DjangoBlog/p/6686998.html
