Python（和Java）中最快的数据打包

（我们的主机错了；纳秒很重要；）

我有一个PythonTwisted服务器，它与一些Java服务器进行对话，分析显示，在JSON编码器/解码器中花费了大约30%的运行时间；它的工作是每秒处理数千条消息

youtube提出了有趣的适用点：

• 序列化格式-无论使用哪种格式，它们都是 昂贵的。量。不要用泡菜。这不是个好选择。建立 协议缓冲区速度慢。他们编写了自己的BSON实现 比您可以下载的速度快10-15倍

• 你必须测量。Vitess将其一个协议替换为HTTP协议 实施虽然是C语言，但速度很慢。所以他们撕开了 使用python进行了直接套接字调用，这是8% 更便宜的全球CPU。HTTP的封装非常昂贵

• 测量。在Python中，测量就像阅读茶叶。 Python中有很多东西是违反直觉的，比如 掠夺大学的成本。他们的大部分应用程序都花了 他们的时间序列。分析序列化非常依赖于 你在放什么。序列化int与 序列化大blob

无论如何，我控制消息传递API的Python和Java端，可以选择不同于JSON的序列化

我的消息如下所示：

• 数量可变的长形；在1到10公里之间的任何地方
• 和两个已经存在的UTF8文本字符串；都在1到3KB之间

因为我是从套接字读取它们，所以我希望库能够优雅地处理流——例如，如果它不告诉我它消耗了多少缓冲区，那就令人恼火了

当然，这个流的另一端是Java服务器；我不想选择对Python端很好的东西，而是将问题转移到Java端，例如性能、麻烦或不稳定的API

很明显，我将自己进行分析。我在这里提问，希望你能描述一下我想不到的方法，例如使用什么样的字符串/缓冲区，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

，并且都是通过easy_install安装的

我希望被证明我做错了；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这些数据序列化快一个数量级？

虽然JSon是灵活的，但它是Java中最慢的序列化格式之一（也可能是python），在纳秒级，我会使用本机字节顺序的二进制格式（可能是小端）

---

这是一个库，我正是这样做的，一条典型的消息需要50到200纳秒的时间来序列化和发送，或者读取和反序列化。

非常快，并且对Java和Python都有绑定。这是一个非常流行的库，在Google内部使用，因此应该对其进行测试和优化。

既然您发送的数据已经定义良好、非递归且非嵌套，为什么不使用简单的分隔字符串呢。您只需要一个未包含在字符串变量中的分隔符，可能是“\n”

"10\n1\n2\n3\n4\n5\n6\n7\n8\n9\n10\nFoo Foo Foo\nBar Bar Bar"

然后使用一个简单的字符串拆分方法

string[] temp = str.split("\n");
ArrayList<long> longs = new ArrayList<long>(long.parseLong(temp[0]));
string string1 = temp[temp.length-2];
string string2 = temp[temp.length-1];
for(int i = 1; i < temp.length-2 ; i++)
    longs.add(long.parseLong(temp[i]));

string[]temp=str.split（“\n”）；
ArrayList longs=新的ArrayList（long.parseLong（temp[0]）；
字符串string1=温度[温度长度-2]；
字符串string2=温度[温度长度-1]；
对于（int i=1；i

注意：以上内容是在web浏览器中编写的，未经测试，因此可能存在语法错误

---

以文本为基础；我认为上面的方法是最快的方法。

您可以加快struct case的速度

def encode_struct(longs,str1,str2):
    return struct.pack(">iii%dq"%len(longs),len(longs),len(str1),len(str2),*longs)+str1+str2

尝试使用python数组模块和tostring方法将long转换为二进制字符串。然后可以像处理字符串一样附加它

创建一个

struct.struct

对象并使用它。我相信这样更有效率

您还可以研究：

---

您最快的方法在.1222秒内编码1000个元素。这是1222毫秒内的1个元素。很快。我怀疑如果不切换语言，您会做得更好。

最后，我们选择使用msgpack

如果使用JSON，那么选择Python和Java上的库对性能至关重要：

关于Java，他说：

在我们将JSON库（JSON simple）替换为Jackon的ObjectMapper之前，性能绝对糟糕。这使RPS从35增加到300+——增加了10倍

---

我知道这是一个老问题，但它仍然很有趣。我最近的选择是使用，作者是为谷歌制作protobuf的同一个人。在我的例子中，这导致与Jackson的JSON编码器/解码器（服务器到服务器，两边都是Java）相比，时间和容量都减少了约20%。

对于python端的序列化，您可以使用cpickle，因为它比pickle快10倍多。在服务器端，您可以使用StringBuilder（如果您正在寻找优化，并且不需要并发访问），我不确定用其他东西替换json是否是一个好主意。如果python端在jython中，那么java中的序列化将是一个可执行的想法。“1 | 2 | 3 | 4 | foo | bar”如果您可以找到一个从未出现在字符串值中的分隔符，那么使用string.Split将是最快的“反序列化”pickle/cPickle，如果您使用二进制协议，它实际上比您的测试结果显示的要好得多。只需将.dumps（args）更改为.dumps（args，-1）或.dumps（args，cPickle.HIGHEST_协议）。当我通过这些修改重新运行基准测试时，cPickle实际上能够在组合编码/解码时间上击败msgpack。我意识到，对于Java互操作性来说，pickle不是一个选项，但是如果您只使用Python并且可以信任您的数据（因为pickle可以执行任意代码），那么我