在什么情况下应该序列化数据？什么时候不应该？

Question

我知道序列化是用来把数据类型转换成可以存储的格式，目的是为了像缓存这样的用途。

我更具体想问的是，什么情况下你应该决定存储数据（比如在PHP中使用serialize()，在Python中使用pickle模块等等）呢？

假设我们有一个流量很大的网站，在我们的/blog页面上，我们使用静态内容的xml文件，一个gettext的mo文件，以及从数据库动态生成的内容。

例子 #1:

我们依赖的静态内容文件是en/blog.xml：

'<content><![CDATA[
<h1>Welcome to my blog!</h1>
<p>Lorem ipsum dolor sit amet..</p>

]]></content>'

我们是否想要序列化这个xml文件并将其存储在缓存中呢？

例子 #2:

我们还有一个动态生成的表单，通常我会认为不需要序列化任何东西，因为它是服务器端生成的动态内容，但我们的表单字段标签是国际化的，用户请求这个页面时选择了西班牙语，因此我们使用一个翻译类来获取存储在mo/csv/xml格式中的表单字段标签。

contact-us.php的内容：

<label for="first_name"><?php echo $L->_("First Name");?></label>
<input id="first_name" name="first_name" type="text">

比如“First Name”的消息ID翻译是从应用级翻译文件中提取的，我们解析这个文件并将其存储在一个数组中，这个数组在我们的翻译类里。所以理想情况下，我们的代码不应该在每次请求页面时都解析mo文件，而是应该在解析完mo文件后序列化整个数组，然后依赖这个序列化的结果吗？

例子 #3:

假设在我们的博客页面上，我们提取最近的5篇博客文章。

$posts = BlogClass->sql('SELECT blog_message, blog_author FROM blog_posts LIMIT 5 ORDER BY blog_date DESC');

我们是否想依赖像memcache这样的东西，并将SQL语句的结果设置为一个键，它会序列化查询的结果吗，还是？

附加问题:

如果有人能提供一些有效或实际的序列化使用/误用的具体例子，那就太好了，比如一个多页面的、非常大的表单，它从数据库中提取信息并存储在会话中，或者任何需要依赖序列化的例子……

Answer 1

在什么情况下你应该决定存储数据（比如在PHP中用serialize()，在Python中用pickle模块等等）呢？

这个问题其实很好回答。各种情况并没有太大关系。

答案是你只有在必须的时候才进行序列化。没有其他情况。

很多API不接受Python对象。当API无法接受Python对象时，你通常可以提供一个字符串。这就是你需要序列化的时刻。

举个例子。你想把一个Python对象保存到持久存储中。可惜的是，一个file对象不能直接写入Python对象。所以你需要序列化。

再举个例子。你想把一个Python对象发送到另一个进程。你可能在使用套接字、命名管道或者其他方式。这些都是file对象，而文件对象不能写入Python对象。所以你需要序列化。

这就是你需要序列化的情况。

1. XML文件就是序列化的DOM树。Python对象是一个DOM树，而XML文件是序列化DOM树的一种方式。我对这个例子不太理解。

2. 表单标签字符串是字符串。它们不需要序列化。国际化（I18N）是和你的应用程序分开处理的。http://docs.python.org/library/i18n.html 我对这个例子不太理解。

3. 这是一个查询。你不需要序列化任何东西。你只需执行查询。结果（原则上）总是在变化，所以任何序列化都是之前的结果，而不是当前的结果，所以你就不需要序列化。

额外补充。如果是一个多页的大表单？你不需要序列化任何东西。你只需在你的网络框架中更新会话。网络框架的会话管理器可能会序列化Python对象，但这就是你使用框架的原因——这样你就不需要关心这些细节。

序列化是用来将Python对象写入文件的。在网络应用中，这种情况很少见。大多数情况下，你是通过SQL写入数据库。

Answer 2

示例 1

概述。

• 生成你的内容页面是否成本太高？
• 反序列化你生成的内容是否成本明显低一些？

如果这两个问题的答案都是“是”，那就值得考虑一下。

示例 2

概述。

• 生成你的内容页面是否成本太高？
• 反序列化你生成的内容是否成本明显低一些？

如果这两个问题的答案都是“是”，那就值得考虑一下。

示例 3

概述。

• 这个查询是否成本太高？
• 从内存缓存中获取数据是否明显更快？

如果这两个问题的答案都是“是”，那就值得考虑一下。

附加内容

我不会因为可以而去序列化我的数据。我需要有理由去做，否则这只是过早的优化。决定是否需要这样做有几个因素。

对序列化数据进行排序或其他操作

这几乎总是个坏主意。例如，如果你把数据库的结果集序列化了，然后需要根据某个字段重新排序，这样做会让自己陷入困境。

消息传递

如果你需要把序列化的数据传递给其他服务或语言，那么选择序列化的方法就非常重要。如果我知道或者认为其他地方可能需要读取这些数据，我会避免使用特定语言的方法进行序列化。JSON通常是跨语言序列化的理想格式。

更新序列化的数据

你必须愿意在数据源更新时重新生成序列化的数据。对序列化数据进行任何复杂的更新将会非常昂贵。

人类可读性

如果你需要轻松读取数据，我建议避免使用特定语言的格式。我推荐使用JSON。

编辑：

我刚刚再次查看了示例3中的查询。这个查询非常简单，你只选择了两个字段，并按日期字段排序。只要表格索引得当，这个查询应该是微不足道的，我不建议把这样的内容缓存到内存中。