ToplingDB 分布式 Compact 中 Client-Server 交互，使用了 topling-zip 中的序列化框架，该序列化框架初版完成于 2006 年，后来命名为 febird 库在 google code 上开源，再后来 google code 停止服务，febird 迁移到 github，有段时间重命名为 nark，之后重命名为 terark，目前 topling-zip 中代码的 namespace 仍是 terark。从 2006 年至今，除 namespace 名称之外，该序列化框架的接口一直保持稳定，2016 年的时候，针对 C++11 进行了模板推导相关的大幅优化，但仍保持了接口的稳定。以下为原文正文，排版有轻微改动。
原文：febird.dataio vs boost.serialization 运行性能对比
作者: csdn-whinah
发表日期: 2009年04月06日
分类: C++序列化
评论: 4 条
阅读次数: 9,076 次
代码表示的是数据格式，DATA_IO_LOAD_SAVE 定义在 <febird/io/DataIO.h> 中。
对于 boost.serialization， DATA_IO_LOAD_SAVE 的定义相当于：
#define DATA_IO_LOAD_SAVE(Class, Members) \
friend class boost::serialization::access; \
template<class Archive> \
void serialize(Archive & ar, const unsigned int version) \
{ ar Members; }
（一）数据格式
struct MyData1 {
uint32_t a, b, c;
uint32_t d[5];
DATA_IO_LOAD_SAVE(MyData1, &a&b&c&d)
};
struct MyData2 {
uint32_t a, b, c, d;
MyData1 e;
DATA_IO_LOAD_SAVE(MyData2, &a&b&c&d&e)
};
struct MyData3 {
uint32_t a, b, c;
uint32_t d;
};
DATA_IO_DUMP_RAW_MEM(MyData3)
struct VarIntD {
var_uint32_t a, b, c, d, e, f;
VarIntD() {
a = 127;
b = 128;
c = 128*128;
d = 128*128*128;
e = 128*128*128*128;
f = 1;
}
DATA_IO_LOAD_SAVE(VarIntD, &a&b&c&d&e&f)
};
typedef pair<MyData2, MyData3> MyData23;
（二）写入性能（序列化）
写入，即序列化(serialize)，保存(save)
表1：写入性能，时间单位是微秒(us)，loop 表示相同的数据重复写 count 次，而不是写 .size() 个不同的数据
比 boost 快 10 倍以上的项目标红，快 30 倍以上的 粗体红
取该表格中的时间项，生成柱状图如下（越小越好）：
（三）读取性能（反序列化）
读取，即反序列化(deserialize)，加载(load)
表2：读取性能，时间单位是微秒(us)， loop 表示相同的数据重复读 count 次，而不是读 .size() 个不同的数据
比 boost 快 20 倍以上的项目 标红，快 50 倍以上的 粗体红
其中，205.55 和 1355.98 这两个数字，我自己也非常吃惊，甚至感觉有点不可思议，但是，这就是实测结果！
取该表格中的时间项，生成柱状图如下（越小越好）：
