Question

我使用simplejson将json字符串反序列化为python对象。我有一个自定义编写的object_hook，负责将json反序列化回我的域对象。

问题是，当我的json字符串很大时（即服务器以json字符串的形式返回大约800K域对象），我的python反序列化器花了将近10分钟来反序列化它们。

我进一步深入研究它看起来像simplejson，因为它没有做太多工作，而是将所有内容委托给object_hook。我尝试优化我的object_hook，但这也没有提高我的性能。（我几乎没有提高1分钟）

我的问题是，我们是否有任何其他标准框架经过优化以处理大量数据集，或者我是否可以利用框架的功能而不是在object_hook级别执行所有操作。

我看到没有object_hook，框架只返回一个字典列表，而不是域对象列表。

这里的任何指针都很有用。

仅供参考我使用的是simplejson版本3.7.2

这是我的示例_object_hook：

def _object_hook(dct):
    if '@CLASS' in dct: # server sends domain objects with this @CLASS 
        clsname = dct['@CLASS']
        # This is like Class.forName (This imports the module and gives the class)
        cls = get_class(clsname)
        # As my server is in java, I convert the attributes to python as per python naming convention.
        dct = dict( (convert_java_name_to_python(k), dct[k]) for k in dct.keys())
       if cls != None:
            obj_key = None
            if "@uuid"in dct
                obj_key = dct["@uuid"]
                del(dct["@uuid"])
            else:
                info("Class missing uuid: " + clsname)
            dct.pop("@CLASS", None)

            obj = cls(**dct) #This I found to be the most time consuming process. In my domian object, in the __init__ method I have the logic to set all attributes based on the kwargs passed 
            if obj_key is not None:
                shared_objs[obj_key] = obj #I keep all uuids along with the objects in shared_objs dictionary. This shared_objs will be used later to replace references.
        else:
            warning("class not found: " + clsname)
            obj = dct

        return obj
    else:
        return dct

样本回复：

    {"@CLASS":"sample.counter","@UUID":"86f26a0a-1a58-4429-a762-  9b1778a99c82","val1":"ABC","val2":1131,"val3":1754095,"value4":  {"@CLASS":"sample.nestedClass","@UUID":"f7bb298c-fd0b-4d87-bed8-  74d5eb1d6517","id":1754095,"name":"XYZ","abbreviation":"ABC"}}

我有很多级别的嵌套，我从服务器收到的记录数量超过800K。

Answer 1

我不知道任何提供开箱即用的框架，但您可以对类实例的设置方式进行一些优化。

由于将字典解压缩为关键字参数并将其应用于类变量会占用大部分时间，因此您可以考虑将dct直接传递给您的类__init__并设置类字典cls.__dict__与dct：

试用1

In [1]: data = {"name": "yolanda", "age": 4}

In [2]: class Person:
   ...:     def __init__(self, name, age):
   ...:         self.name = name
   ...:         self.age = age
   ...:
In [3]: %%timeit
   ...: Person(**data)
   ...:
1000000 loops, best of 3: 926 ns per loop

试用2

In [4]: data = {"name": "yolanda", "age": 4}

In [5]: class Person2:
   ....:     def __init__(self, data):
   ....:         self.__dict__ = data
   ....:
In [6]: %%timeit
   ....: Person2(data)
   ....:
1000000 loops, best of 3: 541 ns per loop

由于self.__dict__的引用在dct返回之前丢失，因此不会担心_object_hook会通过其他引用进行修改。

这当然意味着更改__init__的设置，您的班级属性严格取决于dct中的项目。这取决于你。

您也可以将cls != None替换为cls is not None（只有一个None对象，因此身份检查更具有pythonic效果）：

试用1

In [38]: cls = 5
In [39]: %%timeit
   ....: cls != None
   ....:
10000000 loops, best of 3: 85.8 ns per loop

试用2

In [40]: %%timeit
   ....: cls is not None
   ....:
10000000 loops, best of 3: 57.8 ns per loop

你可以用以下代码替换两行：

obj_key = dct["@uuid"]
del(dct["@uuid"])

成为：

obj_key = dct.pop('@uuid') # Not an optimization as this is same with the above

在800K 域对象的范围内，这些可以让您节省时间让object_hook更快地创建对象。

将巨大的json字符串反序列化为python对象

1 个答案: