Fury序列化库:二进制文件体积优化实践
2025-06-25 17:27:44作者:裴麒琰
在游戏开发中,数据持久化是一个常见需求。许多开发者会面临序列化方案选择的难题:如何在性能、文件大小和易用性之间取得平衡。本文将以alipay/fury项目为例,探讨二进制序列化在实际应用中的优化技巧。
问题背景
某游戏开发者发现使用Fury序列化后的文件体积比JSON格式还要大,这与二进制序列化通常更紧凑的认知相悖。经过排查,发现问题的关键在于文件存储方式的选择。
关键发现
开发者最初将二进制数据转换为字符串形式保存为.txt文件,这导致了两个问题:
- 二进制到字符串的转换过程引入了额外的编码开销
- 文本格式存储无法充分利用二进制数据的紧凑特性
优化后的方案直接以二进制形式(.bin)存储,获得了预期的体积优势:
- 原始JSON文件:100%(基准)
- 二进制转文本存储:约200%
- 纯二进制存储:约80-90%
实现方案
在LibGDX游戏框架中的正确使用方式:
// 序列化保存
byte[] bytes = fury.serialize(data);
FileHandle file = Gdx.files.local("files/save.bin");
file.writeBytes(bytes, false);
// 反序列化加载
FileHandle file = Gdx.files.local("files/save.bin");
Data data = (Data) fury.deserialize(file.readBytes());
技术原理
二进制序列化相比文本格式有以下优势:
- 无冗余的结构标记(如引号、括号等)
- 数字类型可以使用紧凑的二进制表示
- 支持更高效的数据压缩算法
但需要注意:
- 避免不必要的二进制到文本的转换
- 选择合适的文件扩展名(.bin/.dat等)
- 确保读写时保持二进制模式
最佳实践建议
- 性能敏感场景优先选择二进制序列化
- 调试阶段可保留JSON格式便于人工检查
- 大型游戏数据考虑结合压缩算法
- 注意版本兼容性管理
通过正确使用二进制序列化,开发者可以在游戏存档等场景获得更好的存储效率和IO性能。Fury这类高性能序列化库的正确使用方式值得每个开发者掌握。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218