Python持久性重新理解pickle模块

• 持久性

  持久性，就是指保持对象。

  假定有一个 Python 程序，它可能是一个管理日常待办事项的程序，您希望在多次执行这个程序之间可以保存应用程序对象（待办事项）。

  换句话说，您希望将对象存储在磁盘上，便于以后检索。这就是持久性。

  持久性有多种方案：

• 讲数据对象存储在某种格式的文本文件中

  比如存在csv文件、关系数据库（MySQL…）。

  这些存储机制都有一个共同点：存储的数据是独立于对这些数据进行操作的对象和程序。

  • 好处是，数据可以作为共享的资源，供其它应用程序使用；
  • 缺点是，用这种方式，可以允许其它程序访问对象的数据，这违背了面向对象的封装性原则 ——即对象的数据只能通过这个对象自身的公共（public）接口来访问。

  除去上述底层优缺点，关系型数据库还存在阻碍性不匹配（impedence-mismatch）问题，因为数据库的底层结构是固定的，而需要被存储的数据类型可能与之不匹配。

  简而言之，此类持久性方法，存在数据类型转换的过程。

• 对象持久性

  如果希望透明地存储 Python 对象，而不丢失其身份和类型等信息，则需要某种形式的对象序列化：它是一个将任意复杂的对象转成对象的文本或二进制表示的过程。

  同样，必须能够将对象经过序列化后的形式恢复到原有的对象。在 Python 中，这种序列化过程称为 pickle，可以将对象 pickle 成字符串、磁盘上的文件或者任何类似于文件的对象，也可以将这些字符串、文件或任何类似于文件的对象 unpickle 成原来的对象。

  除了pickle之外，还有ZODB、Prevayler（Python版本PyPerSyst）

• pickle与cPickle

  import cPickle as pickle # cPickle是pickle的C版本
  

  pickle模块主要使用4个函数：pickle.dump()、pickle.load()、pickle.dumps()、pickle.loads()

• pickle.dump()存储到本地（序列化操作）

  data = 'something with type'
  with open('pickle_file.pickle', 'wb') as file:
      pickle.dump(data, file)
      
  

• pickle.load()载入程序（反序列化操作）

  with open('pickle_file.pickle', 'rb') as file:
      df = pickle.load(file)
  

• References

1. python pickle模块

2. Python pickle