纯数据场景下msgpack最快，比pickle快1.5–3倍；pickle唯一支持带方法的类实例；protobuf跨语言稳定但需预定义schema；json仅适用于web api和配置文件。
python 里 pickle、json、msgpack 和 protobuf 谁更快？
纯数据场景下，msgpack 通常比 pickle 快 1.5–3 倍，序列化小对象时甚至接近 json 的 2 倍；但如果你存的是带方法的类实例，只有 pickle 能直接搞定。protobuf 启动慢（要先编译 .proto）、序列化单个对象不占优，但在跨语言+高频通信场景里，它的体积和解析稳定性碾压其他三个。
实操建议：
立即学习“Python免费学习笔记（深入）”；
-
json：只用于 Web API 或配置文件——它不支持 bytes、datetime、NaN，遇到就报TypeError: Object of type bytes is not JSON serializable -
pickle：别用protocol=0（ASCII 模式），默认的protocol=4（Python 3.8+ 是5）快且紧凑；但永远别反序列化不可信来源的数据，会执行任意代码 -
msgpack：加use_bin_type=True才能正确 round-tripbytes，否则自动转成 str；默认不支持 datetime，得手动注册 ext hook -
protobuf：不是“拿来就能用”的序列化库，必须定义 schema、生成 Python 类，适合长期演进的接口，不适合 ad-hoc 数据临时传
pickle 兼容性差在哪？为什么跨 Python 版本容易炸？
pickle 协议本身不向后兼容：Python 3.8 默认用 protocol=5，而 3.7 只认到 4，直接 load() 就抛 ValueError: unsupported pickle protocol: 5。更隐蔽的是，同一协议下，如果类定义变了（比如删了字段、改了 __init__ 签名），load() 会静默失败或构造出半初始化对象。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 显式指定协议版本：写入时用
pickle.dump(obj, f, protocol=4)，确保 3.7+ 都能读 - 避免直接序列化嵌套太深的自定义类；优先把数据抽成
dict或dataclass+asdict()再 pickle - 如果必须跨版本传输，用
cloudpickle替代原生pickle——它能捕获更多上下文，但体积更大、启动更慢
JSON 序列化 datetime 或 bytes 为啥总报错？怎么绕过？
json.dumps() 默认只认 str、int、Float、list、dict、bool、None 这七种类型。传 datetime.now() 就是 TypeError: Object of type datetime is not JSON serializable；传 b'hello' 也一样。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
default参数接管未知类型：json.dumps(obj, default=str)最省事，但会把 datetime 变成 ISO 字符串、bytes 变成b'xxx'的 repr，接收方得自己 parse - 更可控的做法是写专用 encoder：
class DateTimeEncoder(json.JSONEncoder): def default(self, o): return o.isoformat() if isinstance(o, datetime) else super().default(o) - bytes 类型别硬塞进 JSON；真要传二进制，先
base64.b64encode(x).decode()，再放 dict 里当字符串字段
msgpack 比 pickle 小但为啥有时反而更慢？
msgpack 二进制体积通常比 pickle 小 10–20%，尤其对大量数字或短字符串；但它的 Python 实现（msgpack-python）在处理含大量小 list/dict 的嵌套结构时，C 扩展调用开销明显，反而比纯 C 实现的 pickle 慢。另外，如果开了 strict_types=True 或用了 ext hook，性能折损更大。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 测速前先确认用的是
msgpack.packb(..., use_bin_type=True)，否则 bytes 会被当成 str 编码，后续解析出错 - 避免在循环里反复调用
msgpack.packb()；批量数据优先用msgpack.Packer()实例复用 buffer - 如果数据里有大量重复 key（比如日志列表），开
use_bin_type=True+strict_types=True反而增加 CPU 开销，不如关掉
真正难搞的不是选哪个协议，而是当服务从单机变分布式、从 Python 2 升到 3、从内部 rpc 拓展到外部 API 时，序列化格式的边界突然变得模糊——这时候协议不再是性能数字，而是契约。一个 datetime 字段要不要带 tzinfo，None 算不算合法值，float('inf') 怎么传，这些细节往往拖垮整个迁移节奏。