- 综合排序
- 最热优先
- 最新优先
- 来自专栏Rust语言学习交流
【大家的项目】Axum 0.7 的 serde-based 提取器和响应器：axum-serde
整合 axum 与 serde，为 axum 0.7 提供多种数据格式的提取器/响应器，使用体验等于 Json。 基本用法 安装 cargo add axum-serde --features yaml # 按需启用 feature 例子 use axum::routing::post; use axum::Router ; use axum_serde::Yaml; use serde::Deserialize; use std::net::SocketAddr; use tokio::net::TcpListener ; Ok(()) } 支持的 提取器/响应器 列表 Extractor Feature Backend Yaml<T> yaml serde_yaml v0.9.27 MsgPack<T> / MsgPackRaw<T> msgpack rmp-serde v1.1.2 Toml<T> toml toml v0.8.8 Xml<T> xml quick-xml v0.31.0 如果你使用过
49510编辑于 2023-12-01 - 来自专栏全栈开发工程师
掌握 Rust 中的 YAML 魔法：Serde_yaml 使用指南
掌握 Rust 中的 YAML 魔法：Serde_yaml 使用指南 一、简介 Serde_yaml 是 Rust 语言中一个用于序列化和反序列化 YAML 数据的库。 在这篇博客中，我们将探讨 serde_yaml 的基本用法，并提供一些实用的示例代码。 二、使用场景 Serde_yaml 常用于以下场景： 配置管理：许多应用程序使用 YAML 文件来存储配置参数，serde_yaml 可以轻松解析这些文件。 三、基本使用 在开始使用 serde_yaml 之前，需要在项目的 Cargo.toml 文件中添加依赖： [dependencies] serde = { version = "1.0", features 以下示例展示了如何定义一个结构体并解析 YAML 数据： use serde::{Deserialize, Serialize}; use serde_yaml; #[derive(Debug, Serialize
71800编辑于 2025-01-06 四、Hive DDL表定义、数据类型、SerDe 与分隔符核心
SerDe (Serializer/Deserializer) - 数据的翻译官 对于更复杂的数据格式 (如 JSON, Avro)，Hive 依赖于 SerDe。 什么是 SerDe? SerDe 是 Serializer (序列化器) 和 Deserializer (反序列化器) 的缩写，负责 Hive 内部对象与文件字节流之间的转换。 如何指定 SerDe? 通过 ROW FORMAT SERDE 'serde_class_name' 子句，并可选地通过 WITH SERDEPROPERTIES (...) 传递参数。 内置 SerDe 示例: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe: 文本文件 (TEXTFILE) 默认使用。 使用 JSON SerDe。
36410编辑于 2025-09-28Rust 中的 Serde：零成本抽象、Trait 与派生宏详解
Serde 的设计目标是提供高效、灵活且易于使用的序列化和反序列化功能。 Serde 的相关知识。 具体到 Serde 来说，使用 Serde 进行序列化和反序列化操作时，生成的代码在执行效率上与手动编写的针对特定数据类型的序列化和反序列化代码相当，同时又提供了更高的代码复用性和可维护性。 2.3 零成本抽象的优势 2.3.1 性能提升 由于 Serde 的零成本抽象设计，使用 Serde 进行序列化和反序列化操作的性能与手动编写的优化代码相当。 4.3.2 跳过字段 可以使用 #[serde(skip)] 属性来跳过某个字段的序列化或反序列化： use serde::Serialize; #[derive(Serialize)] struct
16210编辑于 2026-01-15- 来自专栏Rust
让Rust不止于快：用 Serde 构建高性能 JSON 日志分析器
本文将以“功能应用案例”为引，从零开始，使用Rust及serde库，构建一个高性能的JSON日志分析器。 2.Rust的“杀手锏”：Serde生态系统Rust解决此问题的核心武器，不是标准库（虽然标准库的I/O已经足够好），而是其引以为傲的生态库：serde。 serde(SERialize/DEserialize)是一个通用的、高性能的序列化/反序列化框架。serde_json则是它针对JSON格式的具体实现。serde快的“秘密”是什么？ 但即便如此，serde的性能也已经足够）3.实践开始：构建分析器让我们开始动手。 核心库，"derive"特性让我们能使用#[derive(Deserialize)]serde={version="1.0",features=["derive"]}#serde的JSON实现serde_json
20310编辑于 2025-11-17 - 来自专栏人工智能
Serde的零成本抽象设计：序列化框架的工程艺术
当我为公司开发一个内部 RPC 协议时，只需要实现 Serde 的序列化器和反序列化器接口，所有已经支持 Serde 的类型就自动获得了对新协议的支持。 属性标注：声明式的序列化控制 Serde 提供了丰富的属性标注系统，允许开发者声明式地控制序列化行为。这些属性如 #[serde(rename = "...")] 、#[serde(skip_serializing_if = "...")]、#[serde(flatten)] 等，看似简单，实则体现了深刻的设计智慧。 对于性能关键的热路径，我倾向于使用 Serde 搭配 Bincode 或 MessagePack 等高效格式。对于配置文件等冷路径，JSON 配合 Serde 提供了最佳的可读性。 从 serde_json 到 bincode，从 toml 到 yaml，无数格式库基于 Serde 接口构建。
11010编辑于 2026-01-21 Rust 的“万物皆可序列化”：`Serde` 生态与数据格式集成的深度思考
对于 Rust 而言，这个问题的答案几乎是唯一的，那就是——Serde。 核心解读：Serde —— Trait 定义的“数据契约” Rust 技术的核心之一是其强大的 Trait 系统。Serde 框架将其运用到了极致。 serde_derive (宏库): 这是让 Serde 变得“神奇”的组件。 serde_json 无需关心你的业务 struct 长什么样。 你的 struct 通过 #[derive] 实现了 Serialize，serde_json 实现了 Serializer。 深度实践（二）：动态值（Value）与强类型的权衡 Serde 的主要优势在于类型驱动的（反）序列化：你定义 struct，Serde 负责填充。
32110编辑于 2025-12-24- 来自专栏Rust语言学习交流
【Rust 日报】2022-07-21 关于serde_json我希望大家都能知道这些事
关于serde_json我希望大家都能知道这些事 我最近一直在用Rust解析大量的json，这里有一些细节我想和大家分享。 与有标签的unions相比，无标签的unions解析起来非常慢。 有一种类型serde_json::Number可以避免转换为数字格式，直到你真正想要花费处理时间。 如果你使用标签union来区分json属性值，你不需要使用枚举变量的名称，你可以使用: #[serde(tag="animal_type")] enum Animal { #[serde (alias="crab")] Crab(MyCrabStruct) #[serde(alias="gopher")] Gopher(MyGopherStruct) Reddit: https://libreddit.spike.codes/r/rust/comments/w3q1oq/things_i_wish_i_had_known_about_serde_json
57630编辑于 2022-11-28 Rust 语言在数据库交互中的应用：连接池集成、Serde 抽象设计与序列化特性
三、Serde 的零成本抽象设计 （一）Serde 简介 Serde 是 Rust 中一个功能强大的序列化和反序列化框架，它允许将 Rust 数据结构转换为各种格式（如 JSON、YAML、MessagePack （二）Serde 的核心概念 Serialize trait：用于将 Rust 数据结构序列化为特定格式的数据。任何实现了 Serialize trait 的类型都可以被 Serde 序列化。 （三）Serde 的零成本抽象实现原理 Serde 使用过程宏（procedural macros）来生成高效的序列化和反序列化代码。 （四）Serde 在实际应用中的使用示例 以下是一个简单的示例，展示如何使用 Serde 将一个 Rust 结构体序列化为 JSON 格式，并将其反序列化回来： use serde::{Serialize 然后使用 serde_json::to_string() 将 User 实例序列化为 JSON 字符串，使用 serde_json::from_str() 将 JSON 字符串反序列化为 User 实例
13110编辑于 2026-01-15- 来自专栏python前行者
[1145]Hive导入csv文件
lis,24 首先创建表 create table if not exists csv2( uid int, uname string, age int ) row format serde 'org.apache.hadoop.hive.serde2.OpenCSVSerde' stored as textfile ; 导入数据及查询 load data local inpath '/data table csv2; create table if not exists csv2( uid int, uname string, age int ) row format serde 'org.apache.hadoop.hive.serde2.OpenCSVSerde' stored as parquet ; load data local inpath '/data/csv2 'org.apache.hadoop.hive.serde2.OpenCSVSerde' stored as textfile; -- 先导入csv文件到表格csv2,保存格式是textfile
4.5K20编辑于 2022-05-31 - 来自专栏让技术和时代并行
Rust与Go中实现高性能解析JSON
对于 Rust，使用 simdjson 代替 serde_json，性能会提高 3 倍。 Rust 两个不同的 JSON 解析库： serde_json – 一个简单、流行的 JSON 解析器 simdjson – 最快的 JSON 解析器。利用 SIMD CPU 指令。 在Rust中，通常使用serde_json库进行JSON解析。 首先，您需要在Cargo.toml文件中添加serde和serde_json的依赖 [dependencies] serde = { version = "1.0", features = ["derive "] } serde_json = "1.0" 然后，您可以创建一个简单的Rust程序： use serde::Deserialize; use serde_json::Result; #[derive
1K10编辑于 2023-12-26 - 来自专栏云计算与大数据技术
Hive 六种存储格式
avro、orc、parquet、rcfile、sequencefile、textfile） 语法 标准语法 STORED AS AVRO / STORED AS AVROFILE ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.avro.AvroSerDe' STORED AS INPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat' STORED AS ORC / STORED AS ORCFILE ROW FORMAT SERDE org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat' STORED AS PARQUET / STORED AS PARQUETFILE ROW FORMAT SERDE 'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe' STORED AS INPUTFORMAT 'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat
1.9K10发布于 2021-04-27 - 来自专栏C++语法及相关算法详解
Serialize与Deserialize Trait：Rust数据序列化的艺术与科学
本文将深入探讨Serialize和Deserialize的设计原理、serde框架的实现机制，以及如何优雅地处理复杂的序列化场景。 这就是Serde的核心思想：使用过程宏在编译时生成序列化代码。 ("{}", json); Enum的序列化 use serde::{Serialize, Deserialize}; #[derive(Serialize, Deserialize)] #[serde ; // MessagePack：紧凑，二进制 let packed = rmp_serde::to_vec(&data)? ; // YAML：可读，但解析慢 let yaml = serde_yaml::to_string(&data)?
30510编辑于 2025-11-05 - 来自专栏柒八九技术收纳盒
如何在Rust中操作JSON
--serde-json[1] 我们可以通过运行以下命令来安装它： cargo add serde-json 完成后，我们可以像这样手动创建JSON： use serde_json::{Result, 使用Serde解析JSON Serde是一个crate，它帮助我们将数据序列化和反序列化为各种格式，其中一个流行的用途是用于JSON。 比较 Rust 的 JSON crates 其实，在大部分情况下，serde-json已经能够满足我们的需求了。但是，在一些特殊情况下，例如数据量过大，此时serde-json就有点吃力了。 (simd-json/sonic-rs) 从上图可知serde-json有碾压式优势，也就是不到万不得已，我们还是使用serde-json。不过，本着知己知彼，方能百战不殆。 serde-json ❝serde-json 是 Rust 中下载和使用最多的 JSON 库之一。 ❞ 就性能而言，serde-json 本身并不慢。然而，然后对比其他两个crate就有点稍逊了。
2.1K10编辑于 2024-02-29 - 来自专栏SmartSi
Hive 正则序列化器RegexSerDe
RegexSerDe 可以从 Hive 两个jar文件的类中获取，hive-serde-<version>.jar中的 org.apache.hadoop.hive.contrib.serde2.RegexSerDe 1. hive.serde2.RegexSerDe 下面这种格式是 Apache 的打出的 Web 日志文件格式。 2. hive.contrib.serde2.RegexSerDe 我们也可以使用 org.apache.hadoop.hive.contrib.serde2.RegexSerDe： CREATE EXTERNAL .RegexSerDe 对应的 hive-serde-<version>.jar 默认包含在 hive 执行路径中，而 org.apache.hadoop.hive.contrib.serde2.RegexSerDe 对应的 hive-serde-<version>.jar 却不包含在 hive 执行路径中。
1.8K20发布于 2019-08-07 - 来自专栏Rust语言学习交流
【Rust每周一库】csv - 文件读写库
csv 用Rust实现的一个高性能、灵活的CSV读写器，支持Serde. use std::error::Error; use std::io; use std::process; use serde::Deserialize; #[derive(Debug, Deserialize $ git clone git://github.com/BurntSushi/rust-csv $ cd rust-csv $ cargo run --example cookbook-read-serde () -> Result<(), Box<Error>> { let mut wtr = csv::Writer::from_writer(io::stdout()); // 当不与Serde 一起使用时： extern crate csv; #[macro_use] extern crate serde_derive; use std::error::Error; use std::io;
1.5K20发布于 2020-02-20 - 来自专栏编译思想
Rust工作空间（workspace）实践
serde库也升级为新的版本。 " } 其次，修改my_app和my_lib下的Cargo.toml的[dependencies]字段中关于serde库的依赖，改为如下定义方式： ... [dependencies] - serde = { version = "1.0.201" } + serde = { workspace = true } 整体如下： 按照上述配置以后，my_app 和my_lib不仅都依赖到了serde库，而且他们的版本始终保持了一致。 如果我们将serde升级为一个新的版本，那么my_app和my_lib都会自动升级。 workspace还能共享什么？ 实际上，除了上述的依赖共享外，还有其他很多的属性可以共享。
76921编辑于 2024-05-10 超越 JSON：基于 Rust Trait 构建多格式弹性 API
serde_json 固然方便，但其文本特性带来的解析和序列化开销，在每秒数万次请求（RPS）的场景下，会迅速成为 CPU 瓶颈。 是 serde_json 这个库，通过实现 Serde 的 Serializer Trait，将 User 访问（Visit） 并转译（Translate） 成了 JSON 字符串。 同理，rmp_serde (MessagePack 的 Serde 实现) 也能访问同一个 User 结构体，并将其转译为 MsgPack 的二进制流。 这一切的核心就是 Serde 的两大 Trait： serde::Serialize：为你的数据结构实现它（通常通过 #[derive(Serialize)]），它就“学会了”如何向一个泛型的 Serializer Serde 是基石： Serialize 和 Deserialize Trait 是实现解耦的核心。
21710编辑于 2025-12-24- 来自专栏个人总结系列
Hive 基于GenericUDF创建UDF
org.apache.hadoop.hive.ql.metadata.HiveException; import org.apache.hadoop.hive.ql.udf.generic.GenericUDF; import org.apache.hadoop.hive.serde2 .objectinspector.ObjectInspector; import org.apache.hadoop.hive.serde2.objectinspector.PrimitiveObjectInspector ; import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory; import org.apache.hadoop.hive.serde2.objectinspector.primitive.StringObjectInspector; public class IpUDFOversea
2K30发布于 2021-07-09 - 来自专栏Rust语言学习交流
【Rust日报】2023-10-18 presenterm - 基于终端的幻灯片
将 Serde 转换为 Rust 结构体和serde_json serde 解析和序列化无类型的 JSON，且文档可以是mut的 快速从 JSON 中获取特定字段 将 JSON 作为数组或迭代器 例子： use sonic_rs::{Deserialize, Serialize}; // or use serde::{Deserialize, Serialize}; #[derive(Serialize
40640编辑于 2023-10-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号