用法

将 desse 添加到 Cargo.toml 的 dependencies 部分中。

[dependencies]
desse = "0.2"

Desse trait 可以使用 derive 宏为任何结构体或枚举（大小在编译时已知）实现。这个crate还提供了一个 derive 宏来实现 DesseSized trait，这对于实现 Desse trait 是必要的。

use desse::{Desse, DesseSized};

#[derive(Debug, PartialEq, Desse, DesseSized)]
struct MyStruct {
    a: u8,
    b: u16,
}

现在，您可以使用 Desse::serialize 和 Desse::deserialize_from 来进行此结构的序列化和反序列化。

let my_struct = MyStruct { a: 5, b: 1005 };
let serialized: [u8; 3] = my_struct.serialize();
let new_struct = MyStruct::deserialize_from(&serialized);

assert_eq!(my_struct, new_struct);

请注意，Desse::serialize 返回一个固定长度的数组（在上面的例子中为 3），而 Desse::deserialize 将一个固定长度的数组的引用作为参数。

性能

此软件包更重视性能。如果使用经过测试和验证的 不安全 代码可以提升性能，我们不会回避使用。

基准测试

以下是 desse 和 bincode 在序列化和反序列化相同的 struct 时的基准测试结果。

struct::serialize/desse::serialize
                        time:   [1.6228 ns 1.6326 ns 1.6434 ns]
                        change: [-1.1985% +0.0554% +1.2769%] (p = 0.94 > 0.05)
                        No change in performance detected.
Found 8 outliers among 100 measurements (8.00%)
  2 (2.00%) high mild
  6 (6.00%) high severe

struct::serialize/bincode::serialize
                        time:   [19.991 ns 20.081 ns 20.201 ns]
                        change: [-1.0739% +0.3569% +1.7361%] (p = 0.63 > 0.05)
                        No change in performance detected.
Found 12 outliers among 100 measurements (12.00%)
  3 (3.00%) high mild
  9 (9.00%) high severe

struct::deserialize/desse::deserialize
                        time:   [1.6063 ns 1.6101 ns 1.6144 ns]
                        change: [-1.3079% -0.1278% +1.0394%] (p = 0.84 > 0.05)
                        No change in performance detected.
Found 7 outliers among 100 measurements (7.00%)
  1 (1.00%) high mild
  6 (6.00%) high severe

struct::deserialize/bincode::deserialize
                        time:   [22.004 ns 22.094 ns 22.209 ns]
                        change: [-1.1573% +0.0698% +1.3631%] (p = 0.92 > 0.05)
                        No change in performance detected.
Found 9 outliers among 100 measurements (9.00%)
  3 (3.00%) high mild
  6 (6.00%) high severe

从上述基准测试中可以明显看出，bincode 的序列化平均需要 20.081 ns，而 desse 需要 1.6326 ns。反序列化时结果也类似，其中 bincode 需要 22.094 ns，而 desse 需要 1.6101 ns。

cargo bench