我需要帮助来做决定。我需要在应用程序中传输一些数据，并且必须在这三种技术之间做出选择。
我已经阅读了一些关于所有技术的内容（教程、文档），但仍然不能决定…
它们是如何比较的？
我需要元数据（接收和读取文件而不需要任何附加信息/文件的能力）、快速读/写操作、存储动态数据的能力（如python对象）的支持。
我已经知道的事情：
NumPy速度非常快，但无法存储动态数据（如python对象）。（元数据呢？）
HDF5速度非常快，支持自定义属性，易于使用，但不能存储python对象。
此外，HDF5本机序列化numpy数据，因此，imho、numpy与HDF5相比没有任何优势。
Google Protocol Bufferssupport self-describing太快了（但目前对python的支持很差，速度慢而且有问题）。可以存储动态数据。减号-自我描述在python中不起作用，大于等于1 MB的消息序列化/反序列化速度不太快（读取“slow”）。
PS：我需要传输的数据是numpy/scipy（数组、复杂结构数组等）的“工作结果”。
UPD：需要跨语言访问（C/C++/Python）
最佳答案
在您的问题中似乎有一个轻微的矛盾——您希望能够存储Python对象，但您还需要C/C++访问。我认为，无论您选择哪种方式，都需要将您的奇特的Python数据结构转换为更静态的结构，如数组。
如果您需要跨语言访问，我建议使用HDF5，因为它是一种文件格式，专门设计为独立于语言、操作系统、系统体系结构（例如加载时，它可以自动在big endian和little endian之间转换），并专门针对USER从事科学/数值计算。我对Google协议缓冲区不太了解，所以我不能对它评论太多。
如果您决定使用HDF5，我还建议您使用h5py而不是pytables。这是因为PyTe表创建了HDP5文件，其中有大量额外的Pythic元数据，这使得读取C/C++中的数据有点麻烦，而H5PY不创建任何这些额外的内容。您可以找到一个比较，他们还提供一个指向Pytables FAQ的链接，以获取他们对该问题的看法，这样您就可以决定哪一个最适合您的需求。
另一种与hdf5非常相似的格式是here。这也有python绑定，但是我在使用这种格式方面没有经验，所以我不能真正评论它的存在，而且它也被广泛用于科学计算。
关于python - Google Protocol Buffers，HDF5，NumPy比较(传输数据)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/4125855/