序化諸數式

擇與施合用之數序化式，附正之編解與性能之識。

用時

• 為 API 通擇線之式乃用
• 結構數存於盤或對象存儲乃用
• 異語系統間交數乃用
• 優傳大或解速乃用
• 自一序化式遷至他乃用

入

• 必要：序化之數結構（規或例）
• 必要：用例（API、存、流、析）
• 可選：性能之求（大、速、規強）
• 可選：目標語/運行之限
• 可選：人讀之求

法

第一步：擇正之式

式	人可讀	規	大	速	宜於
JSON	是	選（JSON Schema）	中	中	REST API、配、廣兼
XML	是	XSD、DTD	大	慢	企業/舊、SOAP、文
YAML	是	選	中	慢	配、CI/CD、Kubernetes
Protocol Buffers	否	必（.proto）	小	速	gRPC、微服、移動
MessagePack	否	無	小	速	實時、嵌、Redis
Arrow/Parquet	否	內建	甚小	甚速	析、列查、數湖

決樹：

1. 需人編乎？ → YAML（配）或 JSON（數）
2. 需嚴規與速 RPC 乎？ → Protocol Buffers
3. 需最小線大乎？ → MessagePack 或 Protobuf
4. 需列析乎？ → Apache Parquet
5. 需內存交換乎？ → Apache Arrow
6. 舊企業集乎？ → XML

得：式已擇，附書面之由合用例之求。

敗則：求衝（如人讀且速），先首用例，記其權衡。

第二步：施 JSON 之序化

import json
from datetime import datetime, date
from dataclasses import dataclass, asdict

@dataclass
class Measurement:
    sensor_id: str
    value: float
    unit: str
    timestamp: datetime

# Custom encoder for non-standard types
class CustomEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()
        if isinstance(obj, date):
            return obj.isoformat()
        if isinstance(obj, bytes):
            import base64
            return base64.b64encode(obj).decode('ascii')
        return super().default(obj)

# Serialize
measurement = Measurement("sensor-01", 23.5, "celsius", datetime.now())
json_str = json.dumps(asdict(measurement), cls=CustomEncoder, indent=2)

# Deserialize
data = json.loads(json_str)

# R: JSON with jsonlite
library(jsonlite)

# Serialize
df <- data.frame(sensor_id = "sensor-01", value = 23.5, unit = "celsius")
json_str <- jsonlite::toJSON(df, auto_unbox = TRUE, pretty = TRUE)

# Deserialize
df_back <- jsonlite::fromJSON(json_str)

得：往返之序化保諸類確。

敗則：類失（如日成串），於解步加明之類轉。

第三步：施 Protocol Buffers

定規（.proto 文件）：

syntax = "proto3";
package sensors;

message Measurement {
  string sensor_id = 1;
  double value = 2;
  string unit = 3;
  int64 timestamp_ms = 4;  // Unix milliseconds
}

message MeasurementBatch {
  repeated Measurement measurements = 1;
}

生而用：

# Generate Python code
protoc --python_out=. sensors.proto

# Generate Go code
protoc --go_out=. sensors.proto

from sensors_pb2 import Measurement, MeasurementBatch
import time

# Serialize
m = Measurement(
    sensor_id="sensor-01",
    value=23.5,
    unit="celsius",
    timestamp_ms=int(time.time() * 1000)
)
binary = m.SerializeToString()  # Compact binary

# Deserialize
m2 = Measurement()
m2.ParseFromString(binary)

得：二進制出小於等價 JSON 三至十倍。

敗則：protoc 不可得，用語原生之 protobuf 庫（如 Python 之 betterproto）。

第四步：施 MessagePack

import msgpack
from datetime import datetime

# Custom packing for datetime
def encode_datetime(obj):
    if isinstance(obj, datetime):
        return {"__datetime__": True, "s": obj.isoformat()}
    return obj

def decode_datetime(obj):
    if "__datetime__" in obj:
        return datetime.fromisoformat(obj["s"])
    return obj

data = {"sensor_id": "sensor-01", "value": 23.5, "ts": datetime.now()}

# Serialize (smaller than JSON, faster than JSON)
packed = msgpack.packb(data, default=encode_datetime)

# Deserialize
unpacked = msgpack.unpackb(packed, object_hook=decode_datetime, raw=False)

得：MessagePack 之出於典型載小於 JSON 15-30%。

敗則：語無 MessagePack 之支，退至 JSON 加壓縮（gzip）。

第五步：施 Apache Parquet（列）

import pyarrow as pa
import pyarrow.parquet as pq
import pandas as pd

# Create data
df = pd.DataFrame({
    "sensor_id": ["s-01", "s-02", "s-01", "s-03"] * 1000,
    "value": [23.5, 18.2, 24.1, 19.8] * 1000,
    "unit": ["celsius"] * 4000,
    "timestamp": pd.date_range("2025-01-01", periods=4000, freq="min")
})

# Write Parquet (columnar, compressed)
table = pa.Table.from_pandas(df)
pq.write_table(table, "measurements.parquet", compression="snappy")

# Read Parquet (can read specific columns without loading all data)
table_back = pq.read_table("measurements.parquet", columns=["sensor_id", "value"])
df_subset = table_back.to_pandas()

# R: Parquet with arrow
library(arrow)

# Write
df <- data.frame(sensor_id = rep("s-01", 1000), value = rnorm(1000))
arrow::write_parquet(df, "measurements.parquet")

# Read (with column selection — only reads selected columns from disk)
df_back <- arrow::read_parquet("measurements.parquet", col_select = c("value"))

得：Parquet 文件於典型表數小於 CSV 5-20 倍。

敗則：Arrow 不可得，用 fastparquet（Python）或 CSV 加 gzip 為退。

第六步：比性能

為汝之數與用例行基準：

import json, msgpack, time
import pyarrow as pa, pyarrow.parquet as pq

data = [{"id": i, "value": i * 0.1, "label": f"item-{i}"} for i in range(10000)]

# JSON
start = time.perf_counter()
json_bytes = json.dumps(data).encode()
json_time = time.perf_counter() - start

# MessagePack
start = time.perf_counter()
msgpack_bytes = msgpack.packb(data)
msgpack_time = time.perf_counter() - start

print(f"JSON:    {len(json_bytes):>8} bytes, {json_time*1000:.1f} ms")
print(f"MsgPack: {len(msgpack_bytes):>8} bytes, {msgpack_time*1000:.1f} ms")

得：基準之果導生產用之式擇。

敗則：諸式皆性能不足，考壓縮（zstd、snappy）為正交之優。

驗

• 所擇式合用例之求（書面之由）
• 往返之序化保諸類
• 邊例已處：空集、null/None、Unicode、大數
• 性能於代表載大已基準
• 誤入之處（柔敗，非崩）
• 規已書（JSON Schema、.proto、或等者）

陷

• 浮點之精：JSON 諸數皆為 IEEE 754 之雙。財/十之精用串編
• 日時之處：JSON 無原生 datetime 之類。常書其式（ISO 8601）與時區之處
• 規進：加減域可破消費者。Protobuf 處之佳；JSON 需慎之版
• JSON 中之二進制：Base64 編膨脹二進制約 33%。重二進制之載用二進制式
• YAML 之安：YAML 解器或於 !!python/object 標下行任意碼。常用安載

參

• design-serialization-schema — 規之設、版、進策
• implement-pharma-serialisation — 藥之序化（異域同名）
• create-quarto-report — 報之數出之式