20
（Sometimes我们的主机是错误的;纳秒事;）最快的包装
我有一个会谈到一些Java服务器和剖析一个Python扭曲服务器显示消费〜30％它的运行时间在JSON编码器/解码器中;它的工作是每秒处理数千条消息。
This talk由YouTube提出了有趣的应用点：
序列化格式 - 不管你使用哪一个，他们都是 昂贵。测量。不要使用泡菜。不是一个好的选择。发现 协议缓冲区缓慢。他们写了他们自己的BSON实现，其中 比你可以下载的速度快10-15倍。
你必须测量。 Vitess为HTTP 实现换出了一个协议。尽管它在C中，但速度很慢。所以他们将 从HTTP中剥离出来，并使用python进行直接套接字调用，并且在全局CPU上的成本更便宜8％ 。 HTTP的封装非常昂贵。
测量。在Python中，度量就像阅读茶叶一样。 Python中有很多与直觉相反的东西，比如 垃圾收集的成本。他们的应用程序中的大部分应用程序都花费了 时间序列化。分析序列化很大程度上取决于您要插入的内容。序列化整数与 序列化较大的分组非常不同。
无论如何，我控制我的消息传递API的Python和Java两端，并可以选择不同于JSON的序列化。
我的邮件是这样的：
- 多头数量可变的;其中1到10K之间的任何地方
- 和两个已有的UTF8文本字符串;两个1
因为我从套接字读取它们之间3KB ，我想库，可与流优雅应付 - 它的刺激性，如果它不告诉我多少钱它消耗的缓冲，例如。
这个流的另一端当然是Java服务器;我不想挑选一些非常适合Python的东西，但会将问题转移到Java端，例如表现或酷刑或片状API。
我显然会做我自己的分析。我在这里问你希望你描述的方法我不会想到如使用struct以及最快的字符串/缓冲区是什么。
一些简单的测试代码给出了令人惊讶的结果：
import time, random, struct, json, sys, pickle, cPickle, marshal, array
def encode_json_1(*args):
return json.dumps(args)
def encode_json_2(longs,str1,str2):
return json.dumps({"longs":longs,"str1":str1,"str2":str2})
def encode_pickle(*args):
return pickle.dumps(args)
def encode_cPickle(*args):
return cPickle.dumps(args)
def encode_marshal(*args):
return marshal.dumps(args)
def encode_struct_1(longs,str1,str2):
return struct.pack(">iii%dq"%len(longs),len(longs),len(str1),len(str2),*longs)+str1+str2
def decode_struct_1(s):
i, j, k = struct.unpack(">iii",s[:12])
assert len(s) == 3*4 + 8*i + j + k, (len(s),3*4 + 8*i + j + k)
longs = struct.unpack(">%dq"%i,s[12:12+i*8])
str1 = s[12+i*8:12+i*8+j]
str2 = s[12+i*8+j:]
return (longs,str1,str2)
struct_header_2 = struct.Struct(">iii")
def encode_struct_2(longs,str1,str2):
return "".join((
struct_header_2.pack(len(longs),len(str1),len(str2)),
array.array("L",longs).tostring(),
str1,
str2))
def decode_struct_2(s):
i, j, k = struct_header_2.unpack(s[:12])
assert len(s) == 3*4 + 8*i + j + k, (len(s),3*4 + 8*i + j + k)
longs = array.array("L")
longs.fromstring(s[12:12+i*8])
str1 = s[12+i*8:12+i*8+j]
str2 = s[12+i*8+j:]
return (longs,str1,str2)
def encode_ujson(*args):
return ujson.dumps(args)
def encode_msgpack(*args):
return msgpacker.pack(args)
def decode_msgpack(s):
msgunpacker.feed(s)
return msgunpacker.unpack()
def encode_bson(longs,str1,str2):
return bson.dumps({"longs":longs,"str1":str1,"str2":str2})
def from_dict(d):
return [d["longs"],d["str1"],d["str2"]]
tests = [ #(encode,decode,massage_for_check)
(encode_struct_1,decode_struct_1,None),
(encode_struct_2,decode_struct_2,None),
(encode_json_1,json.loads,None),
(encode_json_2,json.loads,from_dict),
(encode_pickle,pickle.loads,None),
(encode_cPickle,cPickle.loads,None),
(encode_marshal,marshal.loads,None)]
try:
import ujson
tests.append((encode_ujson,ujson.loads,None))
except ImportError:
print "no ujson support installed"
try:
import msgpack
msgpacker = msgpack.Packer()
msgunpacker = msgpack.Unpacker()
tests.append((encode_msgpack,decode_msgpack,None))
except ImportError:
print "no msgpack support installed"
try:
import bson
tests.append((encode_bson,bson.loads,from_dict))
except ImportError:
print "no BSON support installed"
longs = [i for i in xrange(10000)]
str1 = "1"*5000
str2 = "2"*5000
random.seed(1)
encode_data = [[
longs[:random.randint(2,len(longs))],
str1[:random.randint(2,len(str1))],
str2[:random.randint(2,len(str2))]] for i in xrange(1000)]
for encoder,decoder,massage_before_check in tests:
# do the encoding
start = time.time()
encoded = [encoder(i,j,k) for i,j,k in encode_data]
encoding = time.time()
print encoder.__name__, "encoding took %0.4f,"%(encoding-start),
sys.stdout.flush()
# do the decoding
decoded = [decoder(e) for e in encoded]
decoding = time.time()
print "decoding %0.4f"%(decoding-encoding)
sys.stdout.flush()
# check it
if massage_before_check:
decoded = [massage_before_check(d) for d in decoded]
for i,((longs_a,str1_a,str2_a),(longs_b,str1_b,str2_b)) in enumerate(zip(encode_data,decoded)):
assert longs_a == list(longs_b), (i,longs_a,longs_b)
assert str1_a == str1_b, (i,str1_a,str1_b)
assert str2_a == str2_b, (i,str2_a,str2_b)
给出：
encode_struct_1 encoding took 0.4486, decoding 0.3313
encode_struct_2 encoding took 0.3202, decoding 0.1082
encode_json_1 encoding took 0.6333, decoding 0.6718
encode_json_2 encoding took 0.5740, decoding 0.8362
encode_pickle encoding took 8.1587, decoding 9.5980
encode_cPickle encoding took 1.1246, decoding 1.4436
encode_marshal encoding took 0.1144, decoding 0.3541
encode_ujson encoding took 0.2768, decoding 0.4773
encode_msgpack encoding took 0.1386, decoding 0.2374
encode_bson encoding took 55.5861, decoding 29.3953
bson，msgpack和ujson所有通过的easy_install
我会爱安装要显示我做错了;我应该使用cStringIO接口，否则你会加快速度！
肯定有一种方法可以将数据序列化得更快吗？
为了在python结尾进行序列化，你可以使用cpickle，因为它比pickle快10倍以上。在服务器端，你可以使用StringBuilder（如果你正在寻找优化，并且不需要并发访问） – 2012-03-27 06:08:11
我不确定用其他东西替换json是个好主意。如果python结尾已经在jython中，那么在java中的序列化将是非常好的想法。 – 2012-03-27 06:29:19
为什么不尝试一个简单的分隔字符串。 “1 | 2 | 3 | 4 | foo | bar”如果你能找到一个永远不会出现在你的字符串值中的分隔符，那么使用String.Split将是最快的'反序列化' – 2012-03-27 19:34:55