Python序列化-为什么要泡菜？

Question 1

我了解到，Python腌制是一种以“尊重”对象编程的方式“存储” Python对象的方法-与以txt文件或DB编写的输出不同。

您是否在以下方面有更多详细信息或参考：

腌制后的物体在哪里存储？
为什么酸洗保留对象表示比存储在DB中更多？
如何从一个Python Shell会话中检索腌制的对象到另一个？
序列化有用时，您有哪些重要示例？
用pickle进行序列化是否意味着数据“压缩”？

换句话说，我正在寻找有关酸洗的文档-Python.doc解释了如何实现酸洗，但似乎没有深入探讨有关序列化的使用和必要性的细节。

Question 2

酸洗是将python对象（列表，字典等）转换为字符流的一种方法。想法是，此字符流包含在另一个python脚本中重构对象所需的所有信息。

至于腌制信息的存储位置，通常可以这样做：

with open('filename', 'wb') as f:
    var = {1 : 'a' , 2 : 'b'}
    pickle.dump(var, f)

那将把我们var字典的腌制版本存储在“文件名”文件中。然后，在另一个脚本中，您可以从该文件加载到变量中，然后重新创建字典：

with open('filename','rb') as f:
    var = pickle.load(f)

腌制的另一种用途是，如果您需要通过网络（可能是通过套接字或其他方式）传输此字典，则首先需要将其转换为字符流，然后可以通过套接字连接发送它。

同样，这里没有“压缩”可言……只是从一种表示形式（RAM中）转换为另一种表示形式（“文本”中）的一种方式。

About.com在这里对酸洗有很好的介绍。

Question 3

酸洗对于分布式和并行计算绝对必要。

假设您要使用并行映射简化multiprocessing（或使用pyina跨群集节点），那么您需要确保要在并行资源上映射的函数会腌制。如果没有腌制，则不能将其发送到其他进程，计算机等上的其他资源。另请参见此处的示例。

为此，我使用dill，它可以序列化python中的几乎所有内容。Dill还有一些很好的工具，可以帮助您了解在代码失败时导致酸洗失败的原因。

而且，是的，人们使用选择来保存计算状态，ipython会话等。您还可以扩展泡菜的皮克勒和Unpickler会做压缩用bz2或者gzip，如果你愿意的话。

Question 4

我发现它对于大型和复杂的自定义类特别有用。在一个特定的示例中，我想到的是（从数据库中）“收集”信息以创建类已经完成了一半。然后，用户可以在运行时更改存储在类中的信息。

您可以在数据库中拥有另一组表，并编写另一个函数来遍历存储的所有内容并将其写入新的数据库表。然后，您将需要编写另一个函数，以便能够通过读回所有信息来加载保存的内容。

另外，您可以按原样腌制整个类，然后将其存储到数据库中的单个字段中。然后，当您将其重新加载时，它将像以前一样立即全部加载回去。在保存和检索复杂的类时，这样可以节省大量时间和代码。

Question 5

这是一种序列化。使用cPickle它比泡菜要快得多。

import pickle
##make Pickle File
with open('pickles/corups.pickle', 'wb') as handle:
    pickle.dump(corpus, handle)

#read pickle file
with open('pickles/corups.pickle', 'rb') as handle:
    corpus = pickle.load(handle)