原文:[.NET]使用十年股价对比各种序列化技术

1. 前言

上一家公司有搞股票，当时很任性地直接从服务器读取一个股票10年份的股价（还有各种指标）在客户端的图表上显示，而且因为是桌面客户端，传输的数据也是简单粗暴地使用Soap序列化。获取报价的接口大概如下，通过symbol、beginDate和endDate三个参数获取股票某个时间段的股价：

public IEnumerable<StockPrice> LoadStockPrices(string symbol,DateTime beginDate,DateTime endDate)
{//some code
}

后来用Xamarin.Forms做了移动客户端，在手机上就不敢这么任性了，移动端不仅对流量比较敏感，而且显示这么多数据也不现实，于是限制为不可以获取这么长时间的股价，选择一种新的序列化方式也被提上了日程。不过当时我也快离职了所以没关心这件事。
上周看到这篇问文章：【开源】C#.NET股票历史数据采集，【附18年历史数据和源代码】，一时兴起就试试用各种常用的序列化技术实现以前的需求。

2. 数据结构

[Serializable]
[ProtoContract]
[DataContract]
public class StockPrice
{[ProtoMember(1)][DataMember]public double ClosePrice { get; set; }[ProtoMember(2)][DataMember]public DateTime Date { get; set; }[ProtoMember(3)][DataMember]public double HighPrice { get; set; }[ProtoMember(4)][DataMember]public double LowPrice { get; set; }[ProtoMember(5)][DataMember]public double OpenPrice { get; set; }[ProtoMember(6)][DataMember]public double PrvClosePrice { get; set; }[ProtoMember(7)][DataMember]public string Symbol { get; set; }[ProtoMember(8)][DataMember]public double Turnover { get; set; }[ProtoMember(9)][DataMember]public double Volume { get; set; }
}

上面是股价的数据结构，包含股票代号、日期、OHLC、前收市价(PreClosePice)，成交额(Turnover)和成交量(Volume)，这里我已经把序列化要用到的Attribute加上了。

测试数据使用長和(00001)2003年开始10年的股价，共2717条数据。为了方便测试已经把它们从数据库导出到文本文档。其实大小也就200K而已。

3. 各种序列化技术

在.NET中要执行序列化有很多可以考虑的东西，如网络传输、安全性、.NET Remoting的远程对象等内容。但这里单纯只考虑序列化本身。

3.1 二进制序列化

二进制序列化将对象的公共字段和私有字段以及类（包括含有该类的程序集）的名称都转换成字节流，对该对象进行反序列化时，将创建原始对象的准确克隆。除了.NET可序列化的类型，其它类型要想序列化，最简单的方法是使用 SerializableAttribute 对其进行标记。

.NET中使用BinaryFormatter实现二进制序列化，代码如下：

public override byte[] Serialize(List<StockPrice> instance)
{using (var stream = new MemoryStream()){IFormatter formatter = new BinaryFormatter();formatter.Serialize(stream, instance);return stream.ToArray();}
}public override List<StockPrice> Deserialize(byte[] source)
{using (var stream = new MemoryStream(source)){IFormatter formatter = new BinaryFormatter();var target = formatter.Deserialize(stream);return target as List<StockPrice>;}
}

结果：

3.2 XML

XML序列化将对象的公共字段和属性或者方法的参数及返回值转换（序列化）为符合特定 XML架构定义语言 (XSD) 文档的 XML 流。由于 XML 是开放式的标准，因此可以根据需要由任何应用程序处理 XML流，而与平台无关。

.NET中执行Xml序列化可以使用XmlSerializer：

public override byte[] Serialize(List<StockPrice> instance)
{using (var stream = new MemoryStream()){var serializer = new System.Xml.Serialization.XmlSerializer(typeof(List<StockPrice>));serializer.Serialize(stream, instance);return stream.ToArray();}
}public override List<StockPrice> Deserialize(byte[] source)
{using (var stream = new MemoryStream(source)){var serializer = new System.Xml.Serialization.XmlSerializer(typeof(List<StockPrice>));var target = serializer.Deserialize(stream);return target as List<StockPrice>;}
}

结果如下，因为XML格式为了有较好的可读性引入了一些冗余的文本信息，所以体积膨胀了不少：

3.3 SOAP

XML 序列化还可用于将对象序列化为符合 SOAP 规范的 XML 流。 SOAP 是一种基于 XML 的协议，它是专门为使用 XML 来传输过程调用而设计的，熟悉WCF的应该不会对SOAP感到陌生。

.NET中使用SoapFormatter实现序列化，代码如下：

public override byte[] Serialize(List<StockPrice> instance)
{using (var stream = new MemoryStream()){IFormatter formatter = new SoapFormatter();formatter.Serialize(stream, instance.ToArray());return stream.ToArray();}
}public override List<StockPrice> Deserialize(byte[] source)
{using (var stream = new MemoryStream(source)){IFormatter formatter = new SoapFormatter();var target = formatter.Deserialize(stream);return (target as StockPrice[]).ToList();}
}

结果如下，由于它本身的特性，体积膨胀得更可怕了（我记得WCF默认就是使用SOAP？）：

3.4 JSON

JSON（JavaScript Object Notation）是一种由道格拉斯·克罗克福特构想和设计、轻量级的资料交换语言，该语言以易于让人阅读的文字为基础，用来传输由属性值或者序列性的值组成的数据对象。

虽然.NET提供了DataContractJsonSerializer，但Json.NET更受欢迎，代码如下：

public override byte[] Serialize(List<StockPrice> instance)
{using (var stream = new MemoryStream()){var serializer = new DataContractJsonSerializer(typeof(List<StockPrice>));serializer.WriteObject(stream, instance);return stream.ToArray();}
}public override List<StockPrice> Deserialize(byte[] source)
{using (var stream = new MemoryStream(source)){var serializer = new DataContractJsonSerializer(typeof(List<StockPrice>));var target = serializer.ReadObject(stream);return target as List<StockPrice>;}
}

结果如下，JSON的体积比XML小很多：

3.5 Protobuf

其实一开始我和我的同事就清楚用Protobuf最好。

Protocol Buffers 是 Google提供的数据序列化机制。它性能高，压缩效率好，但是为了提高性能，Protobuf采用了二进制格式进行编码，导致可读性较差。

使用protobuf-net需要将序列化的对象使用ProtoContractAttribute和ProtoMemberAttribute进行标记。序列化和反序列化代码如下：

public override byte[] Serialize(List<StockPrice> instance)
{using (var stream = new MemoryStream()){Serializer.Serialize(stream, instance);return stream.ToArray();}
}public override List<StockPrice> Deserialize(byte[] source)
{using (var stream = new MemoryStream(source)){return Serializer.Deserialize<List<StockPrice>>(stream);}
}

结果十分优秀：

3.6 结果对比

将上述方案的结果列出来对比，Protobuf序列化后体积最少。不过即使是Protobuf，压缩后的数据仍然比文本文档的200K还大，那还不如直接传输这个文本文档。

4. 优化数据结构

其实传输的数据结构上有很大的优化空间。

首先是股票代号Symbol，前面提到获取股价的接口大概是这样：IEnumerable LoadStockPrices(string symbol,DateTime beginDate,DateTime endDate)。既然都知道要获取的股票代号，StockPrice中Symbol这个属性完全就是多余的。

其次是OHLC和PreClosePrice，港股（不记得其它Market是不是这样）的报价肯定是4位有效数字(如95.05和102.4)，用float精度也够了，不必用 double。

最后是Date，反正只需要知道日期，不必知道时分秒，直接用与1970-01-01相差的天数作为存储应该就可以了。

private static DateTime _beginDate = new DateTime(1970, 1, 1);public DateTime Date
{get => _beginDate.AddDays(DaysFrom1970);set => DaysFrom1970 = (short) Math.Floor((value - _beginDate).TotalDays);
}[ProtoMember(2)]
[DataMember]
public short DaysFrom1970 { get; set; }

不要以为Volume可以改为int，有些仙股有时会有几十亿的成交量，超过int的最大值2147483647（顺便一提Int32的最大值是2的31次方减1，有时面试会考）。

这样修改后的类结构如下：

[Serializable]
[ProtoContract]
[DataContract]
public class StockPriceSlim
{[ProtoMember(1)][DataMember]public float ClosePrice { get; set; }private static DateTime _beginDate = new DateTime(1970, 1, 1);public DateTime Date{get => _beginDate.AddDays(DaysFrom1970);set => DaysFrom1970 = (short) Math.Floor((value - _beginDate).TotalDays);}[ProtoMember(2)][DataMember]public short DaysFrom1970 { get; set; }[ProtoMember(3)][DataMember]public float HighPrice { get; set; }[ProtoMember(4)][DataMember]public float LowPrice { get; set; }[ProtoMember(5)][DataMember]public float OpenPrice { get; set; }[ProtoMember(6)][DataMember]public float PrvClosePrice { get; set; }[ProtoMember(8)][DataMember]public double Turnover { get; set; }[ProtoMember(9)][DataMember]public double Volume { get; set; }
}

序列化的体积大幅减少：

其实之所以有这么大的优化空间，一来是因为传输的对象本身就是ORM生成的对象没针对网络传输做优化，二来各个券商的数据源差不多都是这样传输数据的，最后，本来这个接口是给桌面客户端用的根本就懒得考虑传输数据的大小。

5. 自定义的序列化

由于股票的数据结构相对稳定，而且这个接口不需要通用性，可以自己实现序列化。StockPriceSlim所有属性加起来是38个字节，测试数据是2717条报价，共103246字节，少于Protobuf的130416字节。要达到每个报价只存储38个字节，只需将每个属性的值填入固定的位置：

public override byte[] SerializeSlim(List<StockPriceSlim> instance)
{var list = new List<byte>();foreach (var item in instance){var bytes = BitConverter.GetBytes(item.DaysFrom1970);list.AddRange(bytes);bytes = BitConverter.GetBytes(item.OpenPrice);list.AddRange(bytes);bytes = BitConverter.GetBytes(item.HighPrice);list.AddRange(bytes);bytes = BitConverter.GetBytes(item.LowPrice);list.AddRange(bytes);bytes = BitConverter.GetBytes(item.ClosePrice);list.AddRange(bytes);bytes = BitConverter.GetBytes(item.PrvClosePrice);list.AddRange(bytes);bytes = BitConverter.GetBytes(item.Volume);list.AddRange(bytes);bytes = BitConverter.GetBytes(item.Turnover);list.AddRange(bytes);}return list.ToArray();
}public override List<StockPriceSlim> DeserializeSlim(byte[] source)
{var result = new List<StockPriceSlim>();var index = 0;using (var stream = new MemoryStream(source)){while (index < source.Length){var price = new StockPriceSlim();var bytes = new byte[sizeof(short)];stream.Read(bytes, 0, sizeof(short));var days = BitConverter.ToInt16(bytes, 0);price.DaysFrom1970 = days;index += bytes.Length;bytes = new byte[sizeof(float)];stream.Read(bytes, 0, sizeof(float));var value = BitConverter.ToSingle(bytes, 0);price.OpenPrice = value;index += bytes.Length;stream.Read(bytes, 0, sizeof(float));value = BitConverter.ToSingle(bytes, 0);price.HighPrice = value;index += bytes.Length;stream.Read(bytes, 0, sizeof(float));value = BitConverter.ToSingle(bytes, 0);price.LowPrice = value;index += bytes.Length;stream.Read(bytes, 0, sizeof(float));value = BitConverter.ToSingle(bytes, 0);price.ClosePrice = value;index += bytes.Length;stream.Read(bytes, 0, sizeof(float));value = BitConverter.ToSingle(bytes, 0);price.PrvClosePrice = value;index += bytes.Length;bytes = new byte[sizeof(double)];stream.Read(bytes, 0, sizeof(double));var volume = BitConverter.ToDouble(bytes, 0);price.Volume = volume;index += bytes.Length;bytes = new byte[sizeof(double)];stream.Read(bytes, 0, sizeof(double));var turnover = BitConverter.ToDouble(bytes, 0);price.Turnover = turnover;index += bytes.Length;result.Add(price);}return result;}
}

结果如下：

这种方式不仅序列化后的体积最小，而且序列化和反序列化的速度都十分优秀，不过代码十分难看而且没有扩展性。尝试用反射改进一下：

public override byte[] SerializeSlim(List<StockPriceSlim> instance)
{var result = new List<byte>();foreach (var item in instance)foreach (var property in typeof(StockPriceSlim).GetProperties()){if (property.GetCustomAttribute(typeof(DataMemberAttribute)) == null)continue;var value = property.GetValue(item);byte[] bytes = null;if (property.PropertyType == typeof(int))bytes = BitConverter.GetBytes((int)value);else if (property.PropertyType == typeof(short))bytes = BitConverter.GetBytes((short)value);else if (property.PropertyType == typeof(float))bytes = BitConverter.GetBytes((float)value);else if (property.PropertyType == typeof(double))bytes = BitConverter.GetBytes((double)value);result.AddRange(bytes);}return result.ToArray();
}public override List<StockPriceSlim> DeserializeSlim(byte[] source)
{using (var stream = new MemoryStream(source)){var result = new List<StockPriceSlim>();var index = 0;while (index < source.Length){var price = new StockPriceSlim();foreach (var property in typeof(StockPriceSlim).GetProperties()){if (property.GetCustomAttribute(typeof(DataMemberAttribute)) == null)continue;byte[] bytes = null;object value = null;if (property.PropertyType == typeof(int)){bytes = new byte[sizeof(int)];stream.Read(bytes, 0, bytes.Length);value = BitConverter.ToInt32(bytes, 0);}else if (property.PropertyType == typeof(short)){bytes = new byte[sizeof(short)];stream.Read(bytes, 0, bytes.Length);value = BitConverter.ToInt16(bytes, 0);}else if (property.PropertyType == typeof(float)){bytes = new byte[sizeof(float)];stream.Read(bytes, 0, bytes.Length);value = BitConverter.ToSingle(bytes, 0);}else if (property.PropertyType == typeof(double)){bytes = new byte[sizeof(double)];stream.Read(bytes, 0, bytes.Length);value = BitConverter.ToDouble(bytes, 0);}property.SetValue(price, value);index += bytes.Length;}result.Add(price);}return result;}
}

好像好了一些，但性能大幅下降。我好像记得有人说过.NET会将反射缓存让我不必担心反射带来的性能问题，看来我的理解有出入。索性自己缓存些反射结果：

private readonly IEnumerable<PropertyInfo> _properties;public ExtendReflectionSerializer()
{_properties = typeof(StockPriceSlim).GetProperties().Where(p => p.GetCustomAttribute(typeof(DataMemberAttribute)) != null).ToList();
}

这样改进后性能还可以接受。

6. 最后试试压缩

最后试试在序列化的基础上再随便压缩一下：

public byte[] SerializeWithZip(List<StockPriceSlim> instance)
{var bytes = SerializeSlim(instance);using (var memoryStream = new MemoryStream()){using (var deflateStream = new DeflateStream(memoryStream, CompressionLevel.Fastest)){deflateStream.Write(bytes, 0, bytes.Length);}return memoryStream.ToArray();}
}public List<StockPriceSlim> DeserializeWithZip(byte[] source)
{using (var originalFileStream = new MemoryStream(source)){using (var memoryStream = new MemoryStream()){using (var decompressionStream = new DeflateStream(originalFileStream, CompressionMode.Decompress)){decompressionStream.CopyTo(memoryStream);}var bytes = memoryStream.ToArray();return DeserializeSlim(bytes);}}
}

结果看来不错：

7. 结语

满足了好奇心，顺便复习了一下各种序列化的方式。

因为原来的需求就很单一，没有测试各种数据量下的对比。

虽然Protobuf十分优秀，但在本地存储序列化文件时为了可读性我通常都会选择XML或JSON。

8. 参考

二进制序列化
XML 和 SOAP 序列化
Json.NET
Protocol Buffers - Google's data interchange format

9. 源码

StockDataSample