序列化

本頁使用了標題或全文手工轉換
維基百科,自由的百科全書

序列化(serialization)在電腦科學的資料處理中,是指將資料結構物件狀態轉換成可取用格式(例如存成檔案,存於緩衝,或經由網絡中傳送),以留待後續在相同或另一台計算機環境中,能恢復原先狀態的過程。依照序列化格式重新獲取位元組的結果時,可以利用它來產生與原始物件相同語義的副本。對於許多物件,像是使用大量參照的複雜物件,這種序列化重建的過程並不容易。物件導向中的物件序列化,並不概括之前原始物件所關聯的函數。這種過程也稱為物件編組(marshalling)。從一系列位元組提取資料結構的反向操作,是反序列化(也稱為解編組、deserialization、unmarshalling)。

序列化電腦科學中通常有以下定義:

用途[編輯]

  • 經由電信線路傳輸資料的方法(通訊)。
  • 儲存資料的方法(在資料庫或硬碟)。
  • 遠端程式調用的方法,例如在SOAP中。
  • 在以元件為基礎,例如COMCORBA的軟件工程中,是物件的分散式方法。
  • 檢測隨時間資料變動的方法。

為了達成上述功能其一能有效作用,則必須與硬件結構保持獨立性。譬如說為了能最大化分散式的使用,在不同硬件運行的計算機,應該能夠可靠地重建序列化資料流,而不依賴於位元組序。雖然直接複拷記憶體中的資料結構更簡便又快速,可是對於其它不同硬件的機器,卻無法可靠地運作。以獨立於硬件之外的格式來序列化資料結構,要避開位元組序、記憶體佈局、或在不同程式語言中資料結構如何表示等等之類的問題。

對於任何序列化方案的本質來說,因為資料編碼是根據定義連續串在一起的,提取序列化資料結構中的某一部份,則需要從頭到尾讀取整個物件並且重新建構。這樣的資料線性在許多應用中是有利的,因為它使輸出入介面簡單而共同,能被用來保持及傳遞物件的狀態。

要求高效能的應用時,花費精力處理更複雜的非線性儲存系統是有其必要意義的。即使在單一機器上,原始的指針物件也非常脆弱無法儲存,因為它們指向的標地可能重新載入到記憶體中的不同地址。為了處理這個問題,序列化過程包括一個步驟:將參照的直接指針轉換為以名稱或位置的間接參照,稱之為不揮發(unswizzling)或者指針不揮發。反序列化過程則包括了稱為指針旋轉(swizzling)的反向步驟。由於序列化和反序列化可從共通代碼(例如,微軟MFC中的Serialize函數)驅動,所以共通代碼可同時進行兩次,因此,

  1. 檢測要序列化的物件與其先前副本之間的差異,
  2. 提供下一次這種檢測的輸入。因為差異可以被即時檢測,所以不必再重新建立先前的副本。該技術稱為差異分辨執行。

這技術應用在內容隨時間變化的用戶介面編程中-依照輸入事件來處理圖形物件的產生、移除、更改或製作,而無需編寫另外的代碼執行這些操作。

缺點[編輯]

序列化可能會破解抽象資料型別的封裝實作,而使其詳細內容曝光。簡單的序列化實作可能違反物件導向中私有資料成員需要封裝(encapsulation)的原則。商用軟件的出版商通常會將應用軟件的序列化格式,當作商業秘密,以阻礙競爭對手生產可相容的產品;有些會蓄意地混淆,或甚至將序列化資料作加密處理。然而,互通可用性的要求應用程式能夠理解彼此的序列化格式。因此,像CORBA的遠端方法調用架構詳細定義了它們的序列化格式。許多機構,例如檔案館和圖書館,嘗試將他們的備份檔案-特別是資料庫拋檔(dump),儲存成一些相對具可讀性的序列化格式中,使備份資料不因資訊技術變遷而過時。

序列化格式[編輯]

20世紀80年代初的施樂網絡系統快遞技術影響了第一個廣泛採用的標準。Sun Microsystems在1987年發佈了外部數據表示法(XDR)。90年代後期開始推動標準序列化的協定:XML(可延伸標記式語言)應用於產生人類可讀的文字編碼。資料以這樣的編碼使存續的物件能有效用,無論相對於人是否可閱讀與理解,或與程式語言無關地傳遞給其它資訊系統。它缺點是失去了紮實的編碼位元組流,但截至目前技術上所提供大量的儲存和傳輸容量,使得檔案大小的考量,已不同於早期電腦科學的重視程度。

二進制XML被提議作為一種妥協方式,它不能被純文字編輯器讀取,但比一般XML更為紮實。在二十一世紀的Ajax技術網頁中,XML經常應用於結構化資料在客端和伺服端之間的非同步傳輸。相較於XML,JSON是一種輕量級的純文字替代,也常用於網頁應用中的客端-伺服端通訊。JSON肇基於JavaScript語法所衍生,但也廣為其它程式語言所支援。與JSON類似的另一個替代方案是YAML,它包含加強序列化的功能,更「人性化」而且更紮實。這些功能包括標記資料型別,支援非階層式資料結構,縮排結構化資料的選項以及多種形式的純量資料參照的概念。

另一種可讀的序列化格式是屬性列表(property list)。應用在NeXTSTEPGNUstepmacOS Cocoa環境中。

針對於科學使用的大量資料集合,例如氣候,海洋模型和衛星數據,已經開發了特定的二進制序列化標準,例如HDFnetCDF和較舊的GRIB

程式語言支援[編輯]

一些物件導向的程式語言直接支援物件序列化(或物件歸檔),可藉由語法糖元素或者提供了標準介面。這些程式語言其中有Ruby,Smalltalk,Python,PHP,Objective-C,Delphi,Java 和.NET系列語言。若是缺少原生支援序列化的程式語言,也可使用額外的函式庫來添加功能。

C/C++[編輯]

C 和 C++ 沒有提供任何類型的高階序列化構造,但是兩種語言都支援將內建資料型別以及一般的資料結構(struct)輸出為二進制資料。因此,開發人員自己定義序列化函數是顯而易舉的。此外,基於編譯器的解決方案,如用於 C++ 的ODB ORM系統,能夠自動產生類別宣告的序列化原始碼,不必修改或僅少量的修改。其它普及的序列化框架是有來自Boost框架的Boost.Serialization,S11n和Cereal等框架。微軟的MFC框架也提供序列化方法,作為其檔案視圖(Document-View)架構的部件。

Java[編輯]

Java 提供自動序列化,需要以java.io.Serializable介面的實例來標明對象。實作介面將類別標明為「可序列化」,然後Java在內部處理序列化。在Serializable介面上並沒有預先定義序列化的方法,但可序列化類別可任意定義某些特定名稱和簽署的方法,如果這些方法有定義了,可被調用執行序列化/反序列化部份過程。該語言允許開發人員以另一個Externalizable介面,更徹底地實作並覆蓋序列化過程,這個介面包括了儲存和恢復物件狀態的兩種特殊方法。

在預設情況下有三個主要原因使物件無法被序列化。其一,在序列化狀態下並不是所有的物件都能獲取到有用的語義。例如,Thread物件綁定到當前Java虛擬機的狀態,對Thread物件狀態的反序列化環境來說,沒有意義。其二,物件的序列化狀態構成其類別相容性締結(compatibility contract)的某一部份。在維護可序列化類別之間的相容性時,需要額外的精力和考量。所以,使類別可序列化需要慎重的設計決策而非預設情況。其三,序列化允許存取類別的永久私有成員,包含敏感資訊(例如,密碼)的類別不應該是可序列化的,也不能外部化。上述三種情形,必須實作Serializable介面來存取Java內部的序列化機制。標準的編碼方法將欄位簡單轉換為位元組流。

原生型別以及永久和非靜態的物件參照,會被編碼到位元組流之中。序列化物件參照的每個物件,若其中未標明為transient的欄位,也必須被序列化;如果整個過程中,參照到的任何永久物件不能序列化,則這個過程會失敗。開發人員可將物件標記為暫時的,或針對物件重新定義的序列化,來影響序列化的處理過程,以截斷參照圖的某些部份而不序列化。Java並不使用構造函數來序列化對象。

JDBC也可對Java物件進行序列化,並將其儲存到資料庫中。雖然Swing元件的確實例化了Serializable介面,但它們不能移植到有版本差異的Java虛擬機之間。因此,Swing元件或任何繼承它的元件可以序列化為位元組陣列,但不能保證這個倉存在另一台機器上可讀取。

Perl[編輯]

由CPAN所提供的幾個Perl模組提供序列化機制,包括了StorableJSON::XSFreezeThawStorable包括將檔案或Perl純量的資料結構,將其序列化和反序列化的功能。除了直接序列化到檔案之外,Storable 還包含了凍結功能,將包裝為純量的資料,返回其序列化的副本;並可用thaw(解凍)這個純量來反序列化。這對於以網絡插座(socket)傳送複雜的資料結構,或將其儲存於資料庫中非常有用。

當利用Storable對結構進行序列化時,具備了網絡安全性的功能,它們以降低一點效能的成本,將資料儲存為任何計算機可讀取的格式。這些功能的名稱有nstorenfreeze等。依硬件特定的,帶字母「n」函數所序列化的這些結構,則以沒有字母「n」的函數將之反序列化-常態地解凍並擷取反序列化結構。

PHP[編輯]

PHP最初通過內建的serialize()unserialize()函數來實作序列化。PHP可以序列化任何其它資料類型,除了資源(檔案指針,socket等)以外。對不受信任的資料上使用內建的unserialize()函數時,通常是有風險的。對於物件有兩種「魔術方法」,__sleep()__wakeup(),可以在類別中實作。而會分別從serialize()unserialize()中呼叫,對應於清理和恢復物件的功能。例如,在序列化時可能需要關閉資料庫連線,並在反序列化時恢復連線;這個功能可在這兩種魔術方法中處理。它們也允許物件選擇哪些屬性可被序列化。從PHP 5.1開始有物件導向的序列化機制,即為Serializable介面。

Python[編輯]

Python編程核心的序列化機制是pickle標準函式庫,這名稱暗示資料庫相關的特別術語「浸漬」,來描述資料反序列化(unpickling for deserializing)。Pickle 使用一個簡單的基於堆疊的虛擬機來記錄用於重建物件的指令。這是個跨版本並可自訂定義的序列化格式,但並不安全(不能防止錯誤或惡意資料)。錯誤格式或蓄意構建的資料,可能導致序列反解器匯入任意模組,而且實例化任何物件。

這個函式庫有另外包括序列化為標準資料格式的模組:json(內建的基本純量與集合型別支援,且能夠通過編解碼支援任何型別)和XML編碼的屬性列表(plistlib),限於plist支援的類型(數字,字串,布林,元組,串列,字典,日期時間和二進制blob)。最後,建議在正確的環境中評估物件的__repr__,使其和Common Lisp的列印物件大略地相符合。並非所有物件類型可以自動浸漬,特別是那些擁有操作系統資源(如檔案把柄)的,但開發人員能註冊自訂定義的「縮減」和構造功能,來支援任何型別的浸漬和序列化。

Pickle最初是純粹以Python程式語言來實作的模組,但在Python 3之前的版本中,cPickle模組(也是內建的)提供了更快速的效能。cPickle從Unladen Swallow專案改造而成。在Python 3中,開發人員應該匯入標準版本,該版本會嘗試匯入加速版本並返回純Python版本。

.NET Framework[編輯]

.NET框架有幾個由微軟設計的序列化器。第三方協力廠商也有許多序列化器。

Delphi[編輯]

Delphi提供將元件(也稱為持續物件)序列化的內建機制,完全與開發環境整合。元件的內容會被儲存在DFM檔案中,並即時重新載入。

OCaml[編輯]

OCaml的標準函式庫提供Marshal模組和Pervasives函數,output_valueinput_value用於編組。雖然OCaml編程是靜態類型檢查的,但Marshal模組的使用可能會破壞型別保證,因為沒有方法能檢查反序列的流,是否代表期望型別的物件。OCaml中的函數或含有函數的資料結構(例如帶有方法的物件),由於其中的執行碼不可以在相異程式之間傳輸,所以難以將函數編組。(有一個旗標可標示函數代碼的位置,但只能在完全相同的程式中解組)。標準編組功能可以組態一個旗標,來共用和循環資料的處理。

Smalltalk[編輯]

通常,非遞歸和非共用的物件能利用storeOn:/readFrom:協定,以人類可讀的形式來儲存和擷取。storeOn:方法產生一個Smalltalk表達式原文,而以readFrom:評估時:重新建立原始物件。這方案特殊之處在於它利用物件的程式描述,而不是資料本身。因此它非常有彈性,允許更緊密的表示類別定義。不過在其原始形式中,它不處理循環的資料結構,也不保留共用參照的識別(即兩個參照對應到單一物件,將被恢復為兩個相等的參照,但這兩份是不同的副本)。

為此,存在各種可攜和非可攜式的代替方案。其中一些屬於特定的Smalltalk實作或是類別館。在Squeak Smalltalk中有幾種方法可以序列化和儲存物件。最簡單和最常用的是storeOn:/readFrom:,和根基於SmartRefStream二進制儲存格式的序列化程式。此外對於包裹物件,可以用ImageSegments來儲存和擷取。兩者都提供了所謂的「二進制物件倉存框架」,可對緊密二的進制形式執行序列化和擷取。兩者都處理循環的、遞歸的和共用的結構,儲存/擷取類別和父類別資訊,並且包括用於「即時」遷移物件的機制(將舊版編寫的實例,依照不同物件佈局轉換成類別)。

這些API(storeBinary/readBinary)雖然彼此相似,但編碼細節是不同的,使得這兩種格式並不相容。而Smalltalk/X是自由開放原始碼的,能被載入到其它Smalltalks方言中,允許它們之間能互相交換。物件序列化並非ANSI Smalltalk規範的一部份。因此,序列化物件的代碼因Smalltalk實作而異,所得到的二進制資料也不同。例如在Ambrai中就無法恢復在Squeak中所建立的序列化物件。所以,不同Smalltalk實作的各種應用程式,無法在不同實作之間共用資料。這些應用程式包括MinneStore物件資料庫和一些RPC包。這個問題的解決方案是SIXX,它是一個使用XML格式進行序列化的Smalltalks的軟件包。

參考文獻[編輯]

外部連結[編輯]