python - memcached 中对象的最佳序列化方法是什么？

Question

我的 Python 应用程序当前使用 python-memcached API在 memcached 中设置和获取对象。该 API 使用 Python 原生的 pickle module序列化和反序列化 Python 对象。

这个 API 使得将嵌套的 Python 列表、字典和元组存储在 memcached 中变得简单而快速，并且将这些对象读回应用程序是完全透明的——它可以正常工作。

但是我不想局限于只使用Python，如果所有的memcached对象都用pickle序列化，那么用其他语言编写的客户端就不行了。

这里是跨平台序列化我考虑过的选项:

1. XML - 主要的好处是它是人类可读的，但这在这个应用程序中并不重要。 XML 也占用大量空间，而且解析成本很高。

2. JSON - 似乎是一个很好的跨平台标准，但我不确定它在从 memcached 回读时是否保留对象类型的特征。例如，根据 this post使用 simplejson 时，元组被转换为列表;此外，似乎向 JSON 结构添加元素可能会破坏写入旧结构的代码

3. Google Protocol Buffers - 我对此非常感兴趣，因为它看起来非常快速和紧凑——至少比 XML 小 10 倍；它不是人类可读的，但这对这个应用程序并不重要；它似乎旨在支持在不破坏旧代码的情况下扩展结构

考虑到这个应用程序的优先级，memcached 的理想对象序列化方法是什么？

1. 跨平台支持(Python、Java、C#、C++、Ruby、Perl)

2. 处理嵌套数据结构

3. 快速序列化/反序列化

4. 最小内存占用

5. 在不破坏旧代码的情况下灵活更改结构

Answer 1

一个主要考虑因素是“您是否必须指定每个结构定义”？

如果你没问题，那么你可以看看:

1. Protocol Buffers - http://code.google.com/apis/protocolbuffers/docs/overview.html
2. Thrift - http://developers.facebook.com/thrift/ (更倾向于服务)

这两种解决方案都需要支持文件来定义每个数据结构。

---

如果您不想招致开发人员预先定义每个结构的开销，请查看:

1. JSON(通过 python cjson 和原生 PHP json)。如果您不需要传输二进制内容(例如图像等)，两者都非常快。
2. 另一种标记语言@ http://www.yaml.org/ .如果您获得正确的库，速度也会非常快。

但是，我认为这两种方法在传输二进制内容方面都存在问题，这就是我们排除使用它们的原因。 注意: YAML 可能具有良好的二进制支持，您必须检查客户端库 -- 参见此处:http://yaml.org/type/binary.html

---

在我们公司，我们推出了自己的库 (Extruct)，用于支持二进制的跨语言序列化。我们目前在 Python 和 PHP 中有(相当)快速的实现，尽管由于在所有字符串上使用 base64(二进制支持)，它的可读性不是很高。最终我们会将它们移植到 C 并使用更标准的编码。

如果循环中的迭代次数过多或必须查看每个字符，PHP 和 Python 等动态语言会变得非常慢。而 C 则擅长此类操作。

如果您想查看 Extruct 的实现，请告诉我。 (联系信息在 http://blog.gahooa.com/ 在“关于我”下)