Sérialisation¶

Warning

Ce cours a été automatiquement traduit des transparents de M.Noyer par Félix qui continue le travail fait par Lorentzo et Elowan et Mehdi, nous ne nous accordons en aucun cas son travail, ce site à pour seul but d'être plus compréhensible pendant les périodes de révision que des diaporamas.

Crédits

Informatique MP2I et MPI - CPGE 1re et 2e années - Nouveaux programmes "(Vincent Barra)"
Wikipedia

Présentation¶

La sérialisation est le codage d'une information sous la forme d'une suite d'informations plus petites (dites atomiques) pour, par exemple, sa sauvegarde (persistance) ou son transport sur le réseau (proxy, RPC... ).

L'activité réciproque, visant à décoder cette suite pour créer une copie conforme de l'information d'origine, s'appelle la désérialisation (ou unmarshalling).

Difficultés¶

Plus le mécanisme de sérialisation est spécialisé dans un type de données spécifiques plus il est performant.

Si on veut coder des entiers de valeurs entre \(0\) et \(255\), il suffit de un octet par entier.

Si on veut coder un nombre arbitraire d'entiers de valeurs entre \(0\) et \(255\), il faut ajouter des octets supplémentaires pour transmettre l'information sur le nombre.

Si ce ne sont pas des entiers mais des objets complexes, il faut associer des informations permettant de coder le type précis de chaque objet.

Dilemne : Précision de l'information/Taille du fichier généré¶

Il y a un choix à faire selon que l'on veut privilégier une désérialisation à l'identique du fichier sérialisé ou la place prise par ce fichier.

La police de caractère dans un fichier PDF :

on peut transmettre la description complète du tracé des caractères,
ou bien on peut indiquer seulement le nom de la police et quelques autres caractéristiques et laisser le soin à la machine distante de choisir elle-même la police la plus adaptée parmi celles dont elle dispose.

Informations non sérialisables¶

Certaines informations ne sont pas sérialisables.

Le descripteur de fichier : d'une machine à l'autre, ces descripteurs sont attribués de fa ̧con arbitraires par le système d'exploitation : sérialiser leur contenu n'a donc pas de sens. Il faut plutôt encoder des informations qui permettront de reconstruire le descripteur au moment de la désérialisation.

Un autre exemlpe plus pertinent est : la sérialisation des pointeurs

Choix de l'encodage¶

encodage binaire : les fichiers binaires sont plus compacts, le code pour parser (analyser) ce type de données est plus simple à mettre en œuvre, la lecture et l'écriture sont moins exigeantes en ressources processeurs ;

encodage textuel : les fichiers textes sont plus simples à vérifier ou modifier à la main, ils posent moins de problèmes de portabilité et sont plus simples à maintenir ou à faire évoluer.

Codage binaire¶

Contrainte de portabilité

Si la machine distante utilise un autre processeur, elle doit pouvoir désérialiser un bloc de données en tenant compte :
- des problèmes d'alignement : si on transmet un caractère (\(1\) octet) puis un entier (\(4\) octets), doit on compter en tout \(4\) octets en "concaténant "la fin du caractère avec le début de l'entier, ou au contraire prévoire \(4\) octets par données (et donc en utilisant inutilement \(3\) octets de trop pour le caractère)
- ou d'endianness (boutisme) : où est le bit de poids fort ?
- Il est utile d'utiliser des conventions. Par exemple :
- pas d'alignement,
- encodage des types entiers C en fonction de leur empreinte mémoire ; tout en big-endian
- les nombres à vigules flottantes sont codées selon la norme \(IEEE754\)

Protocoles \(GIOP\) de \(CORBA\) ; \(RMI\) de \(Java\)

Codage textuel¶

Choisir un protocole pour séparer les champs, pour encoder des données binaires

Dans le passé, on utilisait souvent un dérivé de \(XML\) (e\(X\)tended \(M\)arkup \(L\)angauge). En \(2019\), le codage texte le plus répandu était \(JSON\) (\(J\)ava\(S\)cript \(O\)bject \(N\)otation). Émergence du standard \(Protobug\) de Google.

Codages basés sur des fichiers textes \(XML:SOAP\), \(XML-RPC\) Autre exemple \(CSV\) (\(C\)omma \(S\)eparated \(V\)alues) ;

JSON¶

Format simple de stockage de données textuelles en utilisant des identifiants de ponctation.

Les accolades définissent un objet (appelé membre).
Un membre contient des paires (clefs, valeurs). La clef est toujours entre guillemets.
Les crochets annoncent un tableau et les virgules séparent les items du tableau.

Exemple inspiré du livre de V. Barra

{
"entrées" : ["Melon", "Oeufs mayo"],
"plats" : {
"Viandes" : ["Boeuf", "Poulet"] ,
"Poisson" : ["Meunière"] ,
"platsComposees" : [
{
"nom" : "Boeuf bourguignon",
"ingrédients" : []
},
{"nom" : "Poisson meunière", "quantités" : {}}
] ,
"viandeEtPoisson": true
},
"nombreInvites" : 5, "nomHote" : "M.Noyer"
}

Sérialisation de structure hiérarchique¶

Cas des arbres binaires¶

On peut donner le résultat sous forme de deux listes : les parcours infixe et préfixes. Mais la place utilisée est le double de celle de l'arbre.

On peut aussi faire un parcours préfixe et indiquer les nœuds NULL par un symbole comme \(-1\) (cela rend implicitement l'arbre entier).

Figure – Codage \(a\) \(b\) \(-1\) \(-1\) \(-1\)

Figure – Codage \(a\) \(b\) \(-1\) \(-1\) \(c\) \(-1\) \(-1\)

Figure – Codage \(a\) \(b\) \(c\) \(-1\) \(-1\) \(d\) \(e\) \(-1\) \(-1\) \(f\) \(-1\) \(-1\) \(-1\) (Vincent Barra)

Cas des arbres n-aires¶

Un symbole (comme \(∗\)) indique la fin de la liste des fils.

Figure – Codage \(a\) \(b\) \(e\) \(∗\) \(f\) \(j\) \(∗\) \(k\) \(∗\) \(∗\) \(∗\) \(c\) \(∗\) \(d\) \(g\) \(∗\) \(h\) \(∗\) \(j\) \(∗\) \(∗\) \(∗\) (Vincent Barra)

Cas des graphes orientés¶

Figure 1 – Graphe orienté

{
    "0" : [3],
    "1" : [0, 2, 3],
    "2" : [4],
    "3" : [2, 4],
    "4" : []
}

Figure 2 – Sérialisation

Cas des graphes non orientés¶

Figure 1 – Graphe non orienté

{
    "0" : [1, 3],
    "1" : [0, 2, 3],
    "2" : [1, 3, 4],
    "3" : [1, 2, 4],
    "4" : [2, 3]
}

Figure 2 – Sérialisation

Tip

On peut également donner le code OCaml [[1;3];[0;2;3];[1;3;4];[1;2;4];[2;3]] c'est aussi une sérialisation