前言

序列化，顾名思义，是把一个非线性排布的数据用线性顺序来表示。

为什么需要序列化？因为当一个数据需要进行 传输 或者进行 持久存储 时，都必须变成能用 0 1 表示的、有顺序的 的数据。

从更底层来看，不同机器间传输数据终究会变成电信号，现在通用的串口方案中，一个时钟周期仅能传输一个 bit 的数据，并且有且仅有一个通道，所以要传输的数据本身就得符合这个特征。
【补图，串口通信时的过程】

当一个数据在内存中时，由编程语言维护变量在内存中的排布规则，有可能是顺序的，也有可能是内存引用。 当我们希望把一个在内存中可能分散排布的数据存到磁盘上时，就必须满足文件系统的特征，而文件系统，就是被抽象成了一个有大小的条带状的存储空间。
【补图，数据的内存状态，文件系统的抽象表示】

前面说得比较抽象，其实从实践理解起来很简单，以 js 中的一个 Object 为例：

var user_longsang = {
		name: "longsang",
		age: 17
	}

var user_longalong = {
	name: "longalong",
	age: 18,
	brother: user_longsang
}

// 如果要传递 longalong 的信息，就要让 user_longalong 这个变量所代表的 Object 变成一串序列
// 在 js 中，最常用的方法就是 JSON (JavaScript Object Notation)，因为这是 js 的一个子集
// 从方法上，就直接如下：
var longalong_info_str = JSON.stringify(user_longalong)

console.log(longalong_info_str)
// {"name":"longalong","age":18,"brother":{"name":"longsang","age":17}}

这就是最简单的序列化格式: JSON

文本格式与二进制格式

文本格式

从 IT 诞生之初，人们就在处理如何存储数据的问题了。最简单的数据存储格式，就是文本格式，这也是人最容易理解的格式。

文本格式，也就是把数据用文本进行表示(编码格式可能是 ASCII，也可能是 UTF8 等等)，用一些特定的符号作为分隔，比如常用的有 换行符 \n 制表符 \t 逗号 , 等等。最好的例子就是 csv 格式 (Comma-Separated Values)，一个例子如下：

name,age,gender
longalong,18,male
shanjie,18,female

这就是用换行符作为一行数据的分隔，用逗号作为一个字段数据的分隔，在文件中是以文本格式进行编码存储的，在磁盘上的存储内容如下：

CSV 是表格数据存储时常用的格式，因为非常简单，还能追加写入，数据的空间占比非常高 (因为仅有 逗号 和 换行符 是非数据部分)。

CSV 还有一个变体，用 制表符 \t 代替 逗号 ,，叫做 TSV (Tab-Separated Values)，这个格式在一些数据库导入导出数据时会用到，相比于 csv ，主要的优势在于 逗号可能是文本的一部分而容易出错 (当然，可以使用双引号把文本括起来解决)。

对于非表格结构的数据格式，用 CSV 就不太好表示了，取而代之的是 json 、yaml、ini、xml 等等，值得一提的是， excel文件 本质也是一个有特定字段的 xml 文本文件，对一个 excel 文件解压后，就能看到数据表的实际表示方式了。

上面同样的例子用 json 表示后，在磁盘上的结构如下：

二进制格式

文本格式因其简单、对人友好而被广泛应用，但文本格式也有其不足之处，其中有两个主要的问题： 1. 分隔符用文本表示占用较多空间，降低了数据的密度 2. 文本格式数据在序列化和反序列化时的成本更高。

对于简单的场景，数据量级很小，考虑到调试的方便性，文本格式是很不错的选择。如果数据量级很大，又需要频繁进行序列化和反序列化的操作时，磁盘空间 和 cpu耗用 的考虑优先级会大于方便性，因此往往会采用二进制的格式。

根据场景的不同，二进制格式的数据表示方式也有所不同。整体我们可以分为两种类型：特定语言实现的序列化方法、通用语言的序列化方法。

很多高级语言都有自己特定的序列化方法，便于开发者直接把内存中的一些数据存储到磁盘上，常见的有： python 的 pickle 、java 的 java.io.Serializable、 golang 的 gob 。 这部分内容可以在 语言限定的序列化方法 中了解更多。

通用语言的序列化方法，通常提供多种语言的 sdk 实现，以便实现跨语言数据操作。常见的跨语言序列化方法有：protobuf、hession、thrift、avro、flatbuffer、msgpack 、bson 等等。

不同的二进制序列化方法针对不同的场景进行了优化，所以其特点也有所不同，有些是为了降低存储数据量，让数据更加紧密，有些是为了序列化更快等等。可以在 二进制序列化比较 中了解更多。

【补图，一个 pb 的存储、一个 bson 的存储】

序列化要考虑的因素

序列化作为一个传输和存储过程必定会发生的环节，可以从 序列化性能、数据块大小、反序列化性能、安全性、语言支持、易用性、可维护性(兼容性) 这些角度来考虑，具体的选择还需要根据实际场景而定。

---

Don’t cry because it’s over. Smile because it happened.
— Dr. Seuss