本页使用了标题或全文手工转换

序列化

维基百科,自由的百科全书
跳到导航 跳到搜索

序列化(serialization)在计算机科学的资料处理中,是指将资料结构或物件状态转换成可取用格式(例如存成档案,存于缓冲,或经由网络中传送),以留待后续在相同或另一台计算机环境中,能恢复原先状态的过程。依照序列化格式重新获取位元组的结果时,可以利用它来产生与原始物件相同语义的副本。对于许多物件,像是使用大量参照的复杂物件,这种序列化重建的过程并不容易。物件导向中的物件序列化,并不概括之前原始物件所关联的函式。这种过程也称为物件编组(marshalling)。从一系列位元组提取资料结构的反向操作,是反序列化(也称为解编组、deserialization、unmarshalling)。

序列化计算机科学中通常有以下定义:

用途[编辑]

  • 经由电信线路传输资料的方法(通讯)。
  • 储存资料的方法(在资料库或硬碟)。
  • 远端程序调用的方法,例如在SOAP中。
  • 在以元件为基础,例如COMCORBA的软体工程中,是物件的分散式方法。
  • 检测随时间资料变动的方法。

为了达成上述功能其一能有效作用,则必须与硬体结构保持独立性。譬如说为了能最大化分散式的使用,在不同硬体运行的计算机,应该能够可靠地重建序列化资料流,而不依赖于位元组序。虽然直接复拷记忆体中的资料结构更简便又快速,可是对于其它不同硬体的机器,却无法可靠地运作。以独立于硬体之外的格式来序列化资料结构,要避开位元组序、记忆体布局、或在不同编程语言中资料结构如何表示等等之类的问题。

对于任何序列化方案的本质来说,因为资料编码是根据定义连续串在一起的,提取序列化资料结构中的某一部份,则需要从头到尾读取整个物件并且重新建构。这样的资料线性在许多应用中是有利的,因为它使输出入介面简单而共同,能被用来保持及传递物件的状态。

要求高效能的应用时,花费精力处理更复杂的非线性储存系统是有其必要意义的。即使在单一机器上,原始的指针物件也非常脆弱无法保存,因为它们指向的标地可能重新加载到内存中的不同位址。为了处理这个问题,序列化过程包括一个步骤:将参照的直接指针转换为以名称或位置的间接参照,称之为不挥发(unswizzling)或者指针不挥发。反序列化过程则包括了称为指针旋转(swizzling)的反向步骤。由于序列化和反序列化可从共通代码(例如,微软MFC中的Serialize函数)驱动,所以共通代码可同时进行两次,因此,

  1. 检测要序列化的物件与其先前副本之间的差异,
  2. 提供下一次这种检测的输入。因为差异可以被即时检测,所以不必再重新建立先前的副本。该技术称为差异分辨执行。

这技术应用在内容随时间变化的使用者界面编程中-依照输入事件来处理图形物件的产生、移除、更改或制作,而无需编写另外的代码执行这些操作。

缺点[编辑]

序列化可能会破解抽象资料型别的封装实作,而使其详细内容曝光。简单的序列化实作可能违反物件导向中私有资料成员需要封装(encapsulation)的原则。商用软体的出版商通常会将应用软体的序列化格式,当作商业秘密,以阻碍竞争对手生产可相容的产品;有些会蓄意地混淆,或甚至将序列化资料作加密处理。然而,互通可用性的要求应用程式能够理解彼此的序列化格式。因此,像CORBA的远端方法调用架构详细定义了它们的序列化格式。许多机构,例如档案馆和图书馆,尝试将他们的备份档案-特别是资料库抛档(dump),储存成一些相对具可读性的序列化格式中,使备份资料不因资讯技术变迁而过时。

序列化格式[编辑]

20世纪80年代初的全录网络系统快递技术影响了第一个广泛采用的标准。Sun Microsystems在1987年发布了外部数据表示法(XDR)。90年代后期开始推动标准序列化的协议:XML(可延伸标记式语言)应用于产生人类可读的文字编码。资料以这样的编码使存续的物件能有效用,无论相对于人是否可阅读与理解,或与编程语言无关地传递给其它资讯系统。它缺点是失去了扎实的编码位元组流,但截至目前技术上所提供大量的储存和传输容量,使得档案大小的考量,已不同于早期计算机科学的重视程度。

二进制XML被提议作为一种妥协方式,它不能被纯文字编辑器读取,但比一般XML更为扎实。在二十一世纪的Ajax技术网页中,XML经常应用于结构化资料在客端和伺服端之间的异步传输。相较于XML,JSON是一种轻量级的纯文字替代,也常用于网页应用中的客端-伺服端通讯。JSON肇基于JavaScript语法所衍生,但也广为其它编程语言所支援。与JSON类似的另一个替代方案是YAML,它包含加强序列化的功能,更“人性化”而且更扎实。这些功能包括标记资料型别,支援非阶层式资料结构,缩排结构化资料的选项以及多种形式的纯量资料引用的概念。

另一种可读的序列化格式是属性列表(property list)。应用在NeXTSTEPGNUstepmacOS Cocoa环境中。

针对于科学使用的大量资料集合,例如气候,海洋模型和卫星数据,已经开发了特定的二进制序列化标准,例如HDFnetCDF和较旧的GRIB

编程语言支援[编辑]

一些物件导向的编程语言直接支援物件序列化(或物件归档),可借由语法糖元素或者提供了标准介面。这些编程语言其中有Ruby,Smalltalk,Python,PHP,Objective-C,Delphi,Java 和.NET系列语言。若是缺少原生支援序列化的编程语言,也可使用额外的函式库来添加功能。

C/C++[编辑]

C 和 C++ 没有提供任何类型的高阶序列化构造,但是两种语言都支援将内建资料型别以及一般的资料结构(struct)输出为二进制资料。因此,开发人员自己定义序列化函数是显而易举的。此外,基于编译器的解决方案,如用于 C++ 的ODB ORM系统,能够自动产生类别宣告的序列化源码,不必修改或仅少量的修改。其它普及的序列化框架是有来自Boost框架的Boost.Serialization,S11n和Cereal等框架。微软的MFC框架也提供序列化方法,作为其文件视图(Document-View)架构的部件。

Java[编辑]

Java 提供自动序列化,需要以java.io.Serializable接口的实例来标明对象。实作接口将类别标明为“可序列化”,然后Java在内部处理序列化。在Serializable介面上并没有预先定义序列化的方法,但可序列化类别可任意定义某些特定名称和签署的方法,如果这些方法有定义了,可被调用执行序列化/反序列化部份过程。该语言允许开发人员以另一个Externalizable介面,更彻底地实作并覆盖序列化过程,这个介面包括了保存和恢复物件状态的两种特殊方法。

在预设情况下有三个主要原因使物件无法被序列化。其一,在序列化状态下并不是所有的物件都能获取到有用的语义。例如,Thread物件绑定到当前Java虚拟机的状态,对Thread物件状态的反序列化环境来说,没有意义。其二,物件的序列化状态构成其类别相容性缔结(compatibility contract)的某一部份。在维护可序列化类别之间的相容性时,需要额外的精力和考量。所以,使类别可序列化需要慎重的设计决策而非预设情况。其三,序列化允许存取类别的永久私有成员,包含敏感资讯(例如,密码)的类别不应该是可序列化的,也不能外部化。上述三种情形,必须实作Serializable介面来存取Java内部的序列化机制。标准的编码方法将栏位简单转换为位元组流。

原生型别以及永久和非静态的物件参照,会被编码到位元组流之中。序列化物件参照的每个物件,若其中未标明为transient的栏位,也必须被序列化;如果整个过程中,参照到的任何永久物件不能序列化,则这个过程会失败。开发人员可将物件标记为暂时的,或针对物件重新定义的序列化,来影响序列化的处理过程,以截断参照图的某些部份而不序列化。Java并不使用构造函数来序列化对象。

JDBC也可对Java物件进行序列化,并将其储存到资料库中。虽然Swing元件的确实例化了Serializable接口,但它们不能移植到有版本差异的Java虚拟机之间。因此,Swing元件或任何继承它的元件可以序列化为位元组阵列,但不能保证这个仓存在另一台机器上可读取。

Perl[编辑]

由CPAN所提供的几个Perl模组提供序列化机制,包括了StorableJSON::XSFreezeThawStorable包括将档案或Perl纯量的资料结构,将其序列化和反序列化的功能。除了直接序列化到档案之外,Storable 还包含了冻结功能,将包装为纯量的资料,返回其序列化的副本;并可用thaw(解冻)这个纯量来反序列化。这对于以网路插座(socket)发送复杂的资料结构,或将其储存于资料库中非常有用。

当利用Storable对结构进行序列化时,具备了网路安全性的功能,它们以降低一点效能的成本,将资料储存为任何计算机可读取的格式。这些功能的名称有nstorenfreeze等。依硬体特定的,带字母“n”函数所序列化的这些结构,则以没有字母“n”的函数将之反序列化-常态地解冻并撷取反序列化结构。

PHP[编辑]

PHP最初通过内建的serialize()unserialize()函数来实作序列化。PHP可以序列化任何其它资料类型,除了资源(档案指针,socket等)以外。对不受信任的资料上使用内建的unserialize()函数时,通常是有风险的。对于物件有两种“魔术方法”,__sleep()__wakeup(),可以在类别中实作。而会分别从serialize()unserialize()中呼叫,对应于清理和恢复物件的功能。例如,在序列化时可能需要关闭资料库连线,并在反序列化时恢复连线;这个功能可在这两种魔术方法中处理。它们也允许物件选择哪些属性可被序列化。从PHP 5.1开始有物件导向的序列化机制,即为Serializable介面。

Python[编辑]

Python编程核心的序列化机制是pickle标准函式库,这名称暗示资料库相关的特别术语“浸渍”,来描述资料反序列化(unpickling for deserializing)。Pickle 使用一个简单的基于堆叠的虚拟机来记录用于重建物件的指令。这是个跨版本并可自订定义的序列化格式,但并不安全(不能防止错误或恶意资料)。错误格式或蓄意构建的资料,可能导致序列反解器汇入任意模组,而且实例化任何物件。

这个函式库有另外包括序列化为标准资料格式的模组:json(内置的基本纯量与集合型别支援,且能够通过编解码支援任何型别)和XML编码的属性列表(plistlib),限于plist支援的类型(数字,字串,布林,元组,串列,字典,日期时间和二进制blob)。最后,建议在正确的环境中评估物件的__repr__,使其和Common Lisp的打印物件大略地相符合。并非所有物件类型可以自动浸渍,特别是那些拥有操作系统资源(如档案把柄)的,但开发人员能注册自订定义的“缩减”和构造功能,来支援任何型别的浸渍和序列化。

Pickle最初是纯粹以Python编程语言来实作的模组,但在Python 3之前的版本中,cPickle模组(也是内建的)提供了更快速的性能。cPickle从Unladen Swallow专案改造而成。在Python 3中,开发人员应该导入标准版本,该版本会尝试导入加速版本并返回纯Python版本。

.NET Framework[编辑]

.NET框架有几个由微软设计的序列化器。第三方协力厂商也有许多序列化器。

Delphi[编辑]

Delphi提供将元件(也称为持续物件)序列化的内建机制,完全与开发环境整合。元件的内容会被保存在DFM档案中,并即时重新加载。

OCaml[编辑]

OCaml的标准函式库提供Marshal模组和Pervasives函数,output_valueinput_value用于编组。虽然OCaml编程是静态类型检查的,但Marshal模组的使用可能会破坏型别保证,因为没有方法能检查反序列的流,是否代表期望型别的物件。OCaml中的函数或含有函数的资料结构(例如带有方法的物件),由于其中的执行码不可以在相异程式之间传输,所以难以将函数编组。(有一个旗标可标示函数代码的位置,但只能在完全相同的程序中解组)。标准编组功能可以配置一个旗标,来共享和循环资料的处理。

Smalltalk[编辑]

通常,非递回和非共享的物件能利用storeOn:/readFrom:协议,以人类可读的形式来储存和撷取。storeOn:方法产生一个Smalltalk表达式原文,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序描述,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,也不保留共享參照的識別(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:,和根基于SmartRefStream二进制储存格式的序列化程序。此外对于包裹物件,可以用ImageSegments来储存和撷取。两者都提供了所谓的“二进制物件仓存框架”,可对紧密二的进制形式执行序列化和撷取。两者都处理循环的、递回的和共享的结构,储存/撷取类别和父类别资讯,并且包括用于“即时”迁移物件的机制(将旧版编写的实例,依照不同物件布局转换成类别)。

这些API(storeBinary/readBinary)虽然彼此相似,但编码细节是不同的,使得这两种格式并不相容。而Smalltalk/X是自由开放源码的,能被加载到其它Smalltalks方言中,允许它们之间能互相交换。物件序列化并非ANSI Smalltalk规范的一部份。因此,序列化物件的代码因Smalltalk实作而异,所得到的二进制资料也不同。例如在Ambrai中就无法恢复在Squeak中所建立的序列化物件。所以,不同Smalltalk实作的各种应用程式,无法在不同实作之间共享资料。这些应用程式包括MinneStore物件资料库和一些RPC包。这个问题的解决方案是SIXX,它是一个使用XML格式进行序列化的Smalltalks的软体包。

参考文献[编辑]

外部链接[编辑]