Python 原生序列化
Python 原生序列化是通过 xlang=False 选择的仅限 Python 编码模式。当所有写入端和读取端都是 Python，并且载荷应遵循 Python 对象模型而非可移植的跨语言类型系统时，请使用该模式。
如果字节必须由 Java、C++、Go、Rust、JavaScript/TypeScript、C#、Swift、Dart、Scala、Kotlin 或其他非 Python Fory 实现读取，请使用 Python 默认的跨语言序列化模式。
何时使用原生序列化
以下情况使用原生序列化：
- 载荷仅由 Python 应用生成和使用。
- 正在为仅限 Python 的对象图替代
pickle或cloudpickle。 - 数据模型包含函数、lambda、本地类、方法或 Python 归约钩子。
- 对象图可能包含需要 Python 引用跟踪的共享对象或循环。
- 大型 Python 数据对象需要 pickle 协议 5 风格的带外缓冲区。
原生模式可以序列化全局函数、本地函数、lambda、本地类、方法，以及使用 __getstate__、__setstate__、__reduce__ 或 __reduce_ex__ 自定义的对象等 Python 专用值。这些值不是有效的跨语言载荷。
创建原生模式 Fory 实例
创建 Fory 时设置 xlang=False：
import pyfory
fory = pyfory.Fory(xlang=False, ref=False, strict=True)
对于已注册且可信的类型范围，请保持 strict=True。仅当原生模式载荷需要函数、本地类或由归约钩子重建的对象等动态 Python 类型时，才使用 strict=False。
常见用法
import pyfory
fory = pyfory.Fory(xlang=False, ref=True, strict=False)
data = fory.dumps({"name": "Alice", "age": 30, "scores": [95, 87, 92]})
print(fory.loads(data))
from dataclasses import dataclass
@dataclass
class Person:
name: str
age: int
person = Person("Bob", 25)
data = fory.dumps(person)
print(fory.loads(data)) # Person(name='Bob', age=25)
需要 pickle 风格 API 时使用 dumps/loads；在显式切换模式的代码中需要与跨语言 API 形式保持一致时，则使用 serialize/deserialize。
安全与动态类型
原生模式可以重建会在反序列化期间执行导入和构造逻辑的 Python 对象。应像对待不可信 pickle 字节一样对待不可信原生模式字节。
- 反序列化只应包含已注册或内置类型的数据时，保持
strict=True。 - 仅对需要动态 Python 类或函数的可信载荷使用
strict=False。 - 需要动态类型但仍应限制可接受类型范围时，提供
policy=反序列化策略。 - 不要将跨语言/原生模式选择用作安全控制。应根据载荷来源应用严格模式、策略、注册和资源限制。
Python 专用值与钩子
可调用对象和类型值参见函数、类与方法，归约、状态、构造和 pickle/cloudpickle 迁移参见序列化钩子。
引用与循环
需要往返保留对象标识、共享引用或循环时，启用 ref=True：
import pyfory
fory = pyfory.Fory(xlang=False, ref=True, strict=True)
node = {}
node["self"] = node
data = fory.dumps(node)
decoded = fory.loads(data)
assert decoded["self"] is decoded
不需要保留对象标识的值形载荷应禁用引用跟踪，这样可以减小载荷并简化热点路径。
带外缓冲区
对于大型二进制载荷和由外部内存支撑的数据结构，Python 原生模式可以使用 pickle 协议 5 风格的带外缓冲区：
import pickle
import pyfory
data = b"Large binary data"
pickle_buffer = pickle.PickleBuffer(data)
buffer_objects = []
fory = pyfory.Fory(xlang=False, ref=True, strict=False)
serialized = fory.dumps(pickle_buffer, buffer_callback=buffer_objects.append)
buffers = [obj.getbuffer() for obj in buffer_objects]
decoded = fory.loads(serialized, buffers=buffers)
assert bytes(decoded.raw()) == data
载荷只在 Python 中使用，并且大型缓冲区应避免额外复制时，使用此方式。参见带外序列化。
原生模式与跨语言模式对比
| 需求 | 使用原生序列化 | 使用跨语言序列化 |
|---|---|---|
| 仅限 Python 的载荷 | 是 | 可选 |
| 非 Python 读取端或写入端 | 否 | 是 |
| 函数、lambda、本地类 | 是 | 否 |
__reduce__ / __getstate__ 对象钩子 | 是 | 否 |
| 替代 Pickle/cloudpickle | 是 | 否 |
| 跨语言可移植类型映射 | 否 | 是 |
性能对比
import pyfory
import pickle
import timeit
fory = pyfory.Fory(xlang=False, ref=True, strict=False)
obj = {f"key{i}": f"value{i}" for i in range(10000)}
print(f"Fory: {timeit.timeit(lambda: fory.dumps(obj), number=1000):.3f}s")
print(f"Pickle: {timeit.timeit(lambda: pickle.dumps(obj), number=1000):.3f}s")
故障排除
其他语言无法读取载荷
写入端正在使用原生序列化。请使用 xlang=True 重新构建，在每个对等端注册可移植 Schema，并避免使用 lambda 或本地类等仅限 Python 的值。
动态类或函数反序列化失败
对可信载荷使用 strict=False；只应接受选定动态类型时，提供反序列化 policy=。
循环无法往返保留
创建 Fory 实例时设置 ref=True。
值依赖 pickle 钩子
保持载荷使用原生模式。跨语言模式不会执行 Python __reduce__、__reduce_ex__、__getstate__ 或 __setstate__ 对象重建钩子。