稳定的Python序列化（例如，无pickle模块重定位问题）

Question

我正在考虑使用Quantities这个库来定义一个数字和它的单位。这个值很可能需要存储到磁盘上。你可能知道，使用“序列化”（也叫pickling）有一个大问题：如果你移动了模块的位置，反序列化（unpickling）就无法找到类，这样你就无法恢复之前存储的信息。虽然有一些解决这个问题的方法，但这些方法其实都是变通的。

我想出的一个解决方案是创建一个字符串，这个字符串能唯一表示一个单位。当你从磁盘上获取这个字符串后，可以把它传给Quantities模块中的一个工厂方法，这个方法会把字符串解码成一个合适的单位实例。这样做的好处是，即使你移动了模块，只要把这个特殊的字符串传给工厂方法，所有东西依然可以正常工作。

这个概念是大家都知道的吗？

Answer 1

这段话提到的是一个叫做“惠勒第一原则”的概念，意思是“计算机科学中的所有问题都可以通过增加一个间接层来解决”。而第二个原则则补充说，这样做通常会产生另一个问题。简单来说，你需要通过增加一个间接层来识别某种类型。对于类似于“序列化”的方法，实体和类型之间的关系是可以处理的（你可以研究一下pickle.py和copy_reg.py的源代码，了解更多细节）。

具体来说，我认为你需要做的是创建一个pickle.Pickler的子类，并重写save_inst方法。在当前版本中，它的内容是：

    if self.bin:
        save(cls)
        for arg in args:
            save(arg)
        write(OBJ)
    else:
        for arg in args:
            save(arg)
        write(INST + cls.__module__ + '\n' + cls.__name__ + '\n')

你需要写一些不同于仅仅是类的模块和名称的东西——也就是说，为这个类创建一个独特的标识符（由两个字符串组成），这个标识符可能存储在你自己的注册表中；对于save_global方法也是一样。

对于你的Unpickler子类来说，这个过程更简单，因为_instantiate部分已经被提取到一个单独的方法中：你只需要重写find_class方法，它的内容是：

def find_class(self, module, name):
    # Subclasses may override this
    __import__(module)
    mod = sys.modules[module]
    klass = getattr(mod, name)
    return klass

这个方法必须接受两个字符串并返回一个类对象；你可以通过你的注册表来实现这一点。

每当涉及到注册表时，你需要考虑如何确保注册所有感兴趣的对象（类）等等。这里有一个常见的策略是，不去动序列化的过程，而是确保所有类的移动、模块的重命名等都被记录在某个永久的地方；这样，只有子类化的反序列化器可以完成所有工作，并且它可以在重写的find_class中方便地完成这一切——避免了所有注册的问题。我知道你把这看作是一个“变通方法”，但在我看来，这只是“增加一个间接层”概念的一个极其简单、强大和方便的实现，避免了“产生另一个问题”的困扰；-）