Python数据持久化

Question

每当Python对象需要通过网络存储或发送时，它首先被序列化。我想原因是存储和网络传输都是基于位的。我有一个愚蠢的问题，它更像是一个计算机科学基础问题而不是一个Python问题。python对象在缓存中采用什么格式？他们不应该把自己当作比特来表现吗？如果是这样的话，为什么不直接使用这些位来存储或发送对象，为什么还要费心序列化呢？在

Answer 1

位表示

在不同的机器上，同一对象的位可以有不同的表示：

• 思考endianness（字节顺序）
• 和架构（32位，64位）

因此，在发送方机器上以位表示的对象在接收端接收时可能没有任何意义（或者更糟的是可能意味着其他东西）。在

以一个简单的整数1025作为问题的说明：

• 在Big-Endian机器上，位表示为：
  • 二进制：00000000 00000000 00000100 00000001
  • 十六进制：0x00000401
• 当你在一个小小的Endian机器上时：
  • 二进制：00000001 00000100 00000000 00000000
  • 十六进制0x01040000

这就是为什么要互相理解，两台机器必须就一个约定，一个协议达成一致。对于IP协议，惯例是使用网络字节顺序（big-endian）为例。在

更多关于endianness in this question

序列化（和反序列化）

由于前面描述的原因，我们不能直接在网络上发送位表示的对象。在

一个对象可以通过一个指针（第二个对象的内存地址）在内部引用另一个对象。这个地址同样依赖于平台。在

Python使用一种称为pickling的序列化算法来解决这个问题，该算法将对象层次结构转换为字节流。当通过网络发送时，这个字节流仍然依赖于平台，这就是为什么两端都需要一个协议来相互理解。在

Pickle module documentation

Answer 2

I/O的关键点是实现interoperability，例如，您通过网络发送的JSON可能需要通过HTTP协议传输，然后由JavaScript解析。下一次运行Python时，存储在磁盘上的数据可能需要可读（不同的运行时环境、内存分配等）。在

但是对于代码执行，您通常希望实现比使用可互操作格式更高的performance，例如使用内存位置地址访问对象方法、dict项、。。。或者尽可能优化processor cache。在

关于python具体是如何实现的，您可以看看interpreter implementations中的一个。在