如何在Python中进行数据结构的序列化与反序列化_对比JSON与MessagePack性能-Python教程-PHP中文网

json序列化慢且体积大因是纯文本格式、需字符串转换及纯python实现开销；messagepack用二进制、单字节表示布尔值等，速度快2–3倍，但不支持自定义类，且需raw=false保证字符串键兼容性。

如何在python中进行数据结构的序列化与反序列化_对比json与messagepack性能

JSON序列化在Python中为什么慢且体积大

因为JSON是纯文本格式，所有数字、布尔值、None都要转成字符串再加引号和逗号分隔，比如{'id': 1, 'active': True}序列化后变成b'{"id": 1, "active": true}'——光是True就占了4个字节，而MessagePack用单字节就能表示。更关键的是，Python的json模块是纯Python实现（C加速版虽快些但仍有解析开销），每次调用都要做Unicode编码、括号匹配、类型推断，循环10000次时这些开销会线性放大。

MessagePack序列化必须注意`raw=False`参数

不加这个参数，msgpack.unpackb()默认返回bytes类型的键和字符串值，而不是str，这会导致后续代码报TypeError: string indices must be integers——尤其当你习惯用data['name']访问字典时。正确写法是：

import msgpack
packed = msgpack.packb({'name': 'alice', 'age': 28})
unpacked = msgpack.unpackb(packed, raw=False)  # ← 必须加
print(unpacked['name'])  # ✅ 正常输出 'alice'

如果数据里有大量短字符串（如字段名、枚举值），raw=False会触发内部UTF-8解码，轻微拖慢反序列化，但换来的是与JSON行为一致，避免隐式类型错误
服务间通信若双方都用MessagePack且约定键为bytes，可省略该参数以榨取最后一点性能

实际场景中MessagePack比JSON快2–3倍，但不是所有情况都适用

测试显示：对10000个嵌套字典组成的订单列表，msgpack.packb()平均耗时约29.8 ms，json.dumps()则需48.2 ms；反序列化差距更大，msgpack.unpackb()仅33.1 ms，json.loads()达52.7 ms。但要注意：

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

小数据量（如单个{'cmd': 'ping', 'ts': 1714320000}）下，两者的绝对差异可能不到0.1ms，优化意义不大
若需把序列化结果直接给人看或调试（比如存日志、配文件），必须用JSON——MessagePack二进制内容在终端里全是乱码
Web前端无法直接解析MessagePack，除非引入msgpack-javascript库并自行处理fetch响应流

跨语言通信时别踩Pickle的坑

虽然pickle在纯Python环境里比MessagePack还快一点（实测序列化快约20%），但它完全不跨语言，且反序列化时会执行任意代码——只要对方传个恶意payload，你的服务就可能被远程执行命令。而MessagePack只认标准数据类型（dict/list/int/str/bool/float/None），天然免疫这类攻击。所以：

微服务之间用gRPC或HTTP+MessagePack，别用pickle over HTTP
本地进程间通信（如multiprocessing）可用pickle，但得确保输入可控
用msgpack替代json时，只需改两行：json.dumps()→msgpack.packb()，json.loads()→msgpack.unpackb(..., raw=False)

真正容易被忽略的是：MessagePack不支持自定义类实例（比如dataclass或NamedTuple），遇到时得手动转成字典，这点比pickle麻烦，但换来的是确定性和安全性。