强制序列化不可序列化的Java对象？

Question

我正在试验Stanford CoreNLP库，我想序列化主要的StanfordCoreNLP管道对象，尽管它抛出了一个java.io.NotSerializableException。

完整故事：每当我运行我的实现时，将管道注释器和分类器加载到内存中大约需要15秒。最终进程的内存约为600MB（很容易小到可以存储在我的机箱中）。我想在第一次创建管道后保存它，这样我就可以在以后将其读入内存。

然而，它会抛出一个NotSerializableException。我尝试制作一个实现Serializable的简单子类，但StanfordCoreNLP具有不实现此接口的注释器和分类器属性，并且我无法为所有这些创建子类。

有没有Java库可以序列化一个没有实现Serializable的对象？我想它必须通过它的属性递归，并对任何类似的对象执行相同的操作。

我尝试的序列化代码：

static StanfordCoreNLP pipeline;
static String file = "/Users/ME/Desktop/pipeline.sav";
    static StanfordCoreNLP pipeline() {
    if (pipeline == null) {
        try {
            FileInputStream saveFile = new FileInputStream(file);
            ObjectInputStream read = new ObjectInputStream(saveFile);
            pipeline = (StanfordCoreNLP) read.readObject();
            System.out.println("Pipeline loaded from file.");
            read.close();
        } catch (FileNotFoundException e) {
            System.out.println("Cached pipeline not found. Creating new pipeline...");
            Properties props = new Properties();
            props.put("annotators", "tokenize, ssplit, pos, lemma, ner, parse, dcoref");
            pipeline = new StanfordCoreNLP(props);
            savePipeline(pipeline);
        } catch (IOException e) {
            System.err.println(e.getLocalizedMessage());
        } catch (Exception e) {
            System.err.println(e.getLocalizedMessage());
        }
    }
    return pipeline;
}

static void savePipeline(StanfordCoreNLP pipeline) {
    try {
        FileOutputStream saveFile = new FileOutputStream(file);
        ObjectOutputStream save = new ObjectOutputStream(saveFile);
        save.writeObject(pipeline);
        System.out.println("Pipeline saved to file.");
        save.close();
    } catch (FileNotFoundException e) {
        System.out.println("Pipeline file not found during save.");
    } catch (IOException e) {
        System.err.println(e.getLocalizedMessage());
    }
}

Answer 1

如果它不可序列化的唯一原因是它没有标记为Serializable，那么您可能可以使用一些非默认的序列化策略。例如，您可以尝试Jackson或XStream。

这就是说，如果一开始就有充分的理由证明它不可序列化，那么这些策略很可能会以有趣的方式崩溃。彻底测试！

Answer 2

一般来说，表示数据对象的Stanford NLP类（Tree、Lce alizedParser等）是可序列化的，而表示处理器的类（StanfordCoreNLP、Lce alizedParserQuery、CRF分类器）则不是。为了实现您的要求，您需要使许多类可序列化，但它们不是，并处理由此产生的任何后果。

然而，我认为你在你的底层思维中是错误的。StanfordCoreNLP在那15秒内加载的东西主要是标准的java序列化对象。NER分类器和解析器语法是标准的序列化java对象。（有几件事不是这种形式的但只是二进制数据，包括用于POS标记器的数据，主要是由于历史原因。）事实是，用标准Java序列化加载很多对象并不是那么快......你可以在网络上找到关于Java序列化速度的讨论，以及替代方案的速度如何比较。制作一个新的甚至更大的序列化对象，其中包含所有当前的序列化对象，这不可能使它更快。（通过将所有内容都放在一个连续的数据流中，您可能会获得一小部分，但除非您做额外的工作来标记不需要序列化的瞬态字段，否则您几乎肯定会因序列化数据结构的大小增加而失败。）

相反，我认为解决这个问题的关键是只需支付加载系统一次的费用，然后在处理多个句子时将其保存在内存中。