定义
从狭义上讲，对象序列化是指把一些内存中的对象转变成字节流，以便保存到文件或者通过网络传输。等以后再通过反序列化转变成内存中的对象。
从广义上讲，把对象转换成JSON，CSV等数据格式也被称为序列化。
序列化并不是Python特有的技术，几乎所有编程语言都有序列化技术。因为编程语言无非是一个解决问题的工具，不管用什么编程语言都要解决序列化的问题，也就是下面的场景。
场景
序列化的场景无非这几个：
1.把对象转换成JSON或XML格式，方便网络传输，通常是使用Rest API传输。
2.把对象转成字节流，方便远程方法调用。
远程方法调用，简单说就是你电脑上的程序调用另外一台机器的方法，这和调用自己的程序中的方法有本质区别，对象需要转成字节流通过网络传输。其实这种方法用的越来越少，因为大部分人会使用第一种方法中的API。
3.把对象转换成字节流保存到硬盘，以便下次回来可以继续。
假设你正在玩一个游戏，里面正热火朝天的玩着呢，各种角色（对象）创建了很多。忽然家长回来了，你需要马上关闭电脑。你肯定希望有一种能力可以保存现场，等家长出去了你可以回来继续接着玩，而不是回来从零开始玩。这就是对象序列化的绝佳场景。虽然你的游戏不一定使用对象序列化的技术。
再举一个例子，假设你在运算一个复杂的人工智能模型，这个模型很复杂，你用了三天三夜才计算到某一个中间结果，里面有100万个对象。这时候你也希望能够把对象保存起来，下次可以直接加载到内存快速继续，而不是从新开始三天三夜的运算或者从新构建100万个对象。
案例
假设我们用Python写了一个网络程序，计算出了2022年最受欢迎的4大美食，这个结果在内存中是一个列表list，里面放着4个food对象。
class Food:
def __init__(self, name, origin, calories, price):
self.name = name
self.origin = origin #产地
self.calories = calories #卡路里
self.price = price
print('...此处省略2500行推荐算法代码...')
food1 = Food('胡辣汤', '山东', 25, 2)
food2 = Food('油条', '山东', 88, 1)
food3 = Food('豆腐脑', '山东', 35, 2.5)
food4 = Food('焖饼', '山东', 65, 10)
recommend = [food1, food2, food3, food4]
下面，我们用两种方法给它做序列化，一种是字节流，一种是JSON。
pickle序列化
pickle是Python自带库，可以把对象转成字节流。下面的代码中我们把它保存到文件，你也可以通过网络传输给其他程序。
import pickle
with open("foods.pickle", "wb") as out:
pickle.dump(recommend, out)
运行后，发现多了一个文件：
打开后发现这样的字节流：
pickle反序列化
下面我们把这个字节流转换成对象。运行下面的程序前确保你的电脑上有相应的字节流文件：
import pickle
with open("foods.pickle", "rb") as out:
remote_recommend = pickle.load(out)
print(remote_recommend)
打印结果可以看到成功反序列化了列表，并且也还原了里面的4个Food对象。
[<__main__.Food object at 0x1054f7dc0>, <__main__.Food object at 0x1054f7d60>, <__main__.Food object at 0x1054f7c10>, <__main__.Food object at 0x1054f7a30>]
职业发展
作为一个代码打工仔，对于绝大部分程序员来说，想要成为牛逼的真正挣钱程序员的路还很长，一刻都不能懈怠。
我们无法从HR角度，或者技术leader的角度来臆测哪种状态的面试更能获取面试官青睐。但通过我们积攒的大量的面试经验，大家多少可以推断一些成为有竞争力的程序员的一些必要条件。
大佬云集、资料丰富
当初我在字节认识一个非常非常资深的前辈，他到字节比我早三年，但因为各种原因级别不是很高。我当时问他，既然你对现状如此不满，为什么不想着离开寻找更好的机会呢？
他沉思了片刻跟我说，他说我现在在这里虽然待着不顺心，但是我接触到的人都是非常优秀的。我遇到问题，还可以和你们讨论讨论。我如果出去了，我要是再遇到问题，可能连一个讨论的人都没有。
我当时听听只是觉得有道理，现在再回想起来，感受非常深刻。三观、格局、能力，能够进入大公司的，这三个方面一般都不会太差。别的不说，就拿个人能力而言，我曾出国出差过几个月，有幸见识了许多各种海外名校的同事，和他们学习交流人工智能，这真的让我AI有了更深层次的认识。
除了优秀的同事之外，大公司里往往还有丰富的内部文档和资料。我当时在字节内部看到了很多优秀的文章，也有很多优秀的技术沙龙和分享。现在想起来两年下来，也没有去过几次，文章和资料看得也不算多，现在想想颇为遗憾。别的不说，就拿推荐领域而言，近些年质量不错的论文往往都来源于大公司尤其是国内的大公司，以腾讯、华为和头条为主。除了公开的论文，公司内部还有很多技术相关的资料和文档，这些真的可以说是有价无市，非常珍贵。
Python 知识手册
Linux 知识手册
爬虫查询手册
而且，这些资料不是扫描版的，里面的文字都可以直接复制，非常便于我们学习：
数据分析知识手册：
机器学习知识手册：
金融量化知识手册：
岗位内推、学习交流
我们大量需要前端岗位、python岗位、Java 岗位、Android 和 iOS 的开发岗位，工作地点：北京字节，欢迎校招社招扫描下方二维码找我内推
