主要特点：
- 跨语言序列化：Java，Python，C++，Go，JavaScript，Rust，Scala，科特林
- ️零拷贝优化：最大限度地减少大型数据集的内存开销
- Schema evolution：Forward/backward compatibility for evolving data structures（模式演化：演化数据结构的向前/向后兼容性）
- 安全第一：类注册防止私有化漏洞
- 多种协议：对象图、行格式和Java兼容模式
快速启动
Java序列化示例：
Fory fory = Fory.builder().build();
fory.register(DataModel.class);
DataModel obj = new DataModel(/*...*/);
byte[] bytes = fory.serialize(obj);
DataModel restored = (DataModel) fory.deserialize(bytes);
Python序列化示例
from dataclasses import dataclass
import pyfory
class Foo:
name: str:
age: int
pyfory.register(Foo)
bytes = pyfory.serialize(Foo("Shawn", 30)) Ultra-fast encoding
restored = pyfory.deserialize(bytes) Instant decoding
为何用Fory？
有些东西，用普通的 Java 自带序列化（或者其他现成的兼容序列化器）根本搞不定。
我们这里的情况是：有一个很复杂的节点图结构。每个节点都在一个 HashMap 里记录了“谁指向我”和“我指向谁”，这样我们就能很快查到每条引用的类型。
问题来了：因为这是 HashMap，里面放进去的对象很多时候还没完全初始化（就是“半成品”对象），结果就会出 哈希计算错误。最后一拆开再拼回去的时候，有些节点就直接丢了，没法还原。
解决思路有：可以先把这个结构压平（扁平化），然后在重建的时候再分层次重新划分。但好消息是：Fory 这个库（一个高性能序列化框架）处理得非常好，不会踩坑。
换句话说就是：Java 自带的那套不行，Fory更靠谱。
Fory有何特点
它的定位就是：给你一个比别的序列化框架更快的替代品。
在他们的 GitHub 主页（README）里，其实已经放了不少性能对比：比如和 JDK 自带的序列化、Kryo、Protostuff 这些框架做过横向对比。
以前他们还做过一个模板项目，你可以在这个项目的基础上扩展，把它和其他基于 JMH 的性能测试框架放在一起跑对比。
另外，他们还内置了一些示例对比：比如 Avaje JSONb，还有大家熟知的 Jackson。有趣的是，Jackson 其实还支持一种二进制输出模式，不过大多数人压根儿不知道。
一句话总结：它不仅快，还贴心地帮你准备了对比和测试环境，顺手教育你 Jackson 还有隐藏技能。
| 框架/方式 | 特点/优缺点
| JDK 自带序列化 | 原始自带，兼容性好，但速度慢、体积大，基本没人真正在高性能场景用。
| Kryo | 很多人用的 Java 序列化库，比 JDK 快很多，但配置起来比较麻烦，对象复杂时容易踩坑。
| Protostuff | 基于 Protobuf 的一种 Java 库，序列化速度快，压缩率高，但用起来不算直观。
| Jackson (JSON) | 大名鼎鼎，生态最丰富，序列化成 JSON 可读性强，但性能一般，体积偏大。
| Jackson (二进制) | 很多人不知道的隐藏模式，可以直接输出二进制，比 JSON 快一些，但鲜有人用。
| Avaje JSONb | 一个相对轻量的 JSON 序列化库，性能比 Jackson 好一些，适合对性能有点要求的 JSON 场景。
| Fury | 新晋选手，主打 极致性能 + 易用，比上面几乎所有方案都快，还贴心准备了性能测试模板。
总结：如果只是图方便，Jackson 就够用了；如果追求速度，以前大家会选 Kryo/Protostuff，现在更推荐 Fury。