Question

我正在尝试序列化数千个对象，其中一些对象是lambda对象。

由于cPickle对lambdas不起作用，我尝试使用dill。然而，当解开（或开膛（？））时，计算速度的下降超过10倍。从源头看，似乎dill在内部使用pickle，这可能是速度下降的原因。

我是否有另外一个选项可以结合两个模块的最佳选择？

编辑：最显着的速度下降是在开发过程中。

Answer 1

我是dill作者。是的，dill通常较慢，但这是您为更强大的序列化所付出的代价。如果您要序列化很多类和函数，那么您可能想尝试dill中的dill.settings个变种之一如果您使用byref=True那么dill会挑选几个对象通过引用（比默认值更快）。其他设置权衡所选对象的速度可选性。

In [1]: import dill

In [2]: f = lambda x:x

In [3]: %timeit dill.loads(dill.dumps(f))
1000 loops, best of 3: 286 us per loop

In [4]: dill.settings['byref'] = True

In [5]: %timeit dill.loads(dill.dumps(f))
1000 loops, best of 3: 237 us per loop

In [6]: dill.settings
Out[6]: {'byref': True, 'fmode': 0, 'protocol': 2, 'recurse': False}

In [7]: dill.settings['recurse'] = True

In [8]: %timeit dill.loads(dill.dumps(f))
1000 loops, best of 3: 408 us per loop

In [9]: class Foo(object):
   ...:     x = 1
   ...:     def bar(self, y):
   ...:         return y + self.x
   ...:     

In [10]: g = Foo()

In [11]: %timeit dill.loads(dill.dumps(g))
10000 loops, best of 3: 87.6 us per loop

In [12]: dill.settings['recurse'] = False

In [13]: %timeit dill.loads(dill.dumps(g))
10000 loops, best of 3: 87.4 us per loop

In [14]: dill.settings['byref'] = False

In [15]: %timeit dill.loads(dill.dumps(g))
1000 loops, best of 3: 499 us per loop

In [16]:

莳萝vs cPickle速度差异

1 个答案: