我查看了几个SO问题，了解如何pickle一个python对象并将其存储到数据库中。我收集到的信息是：
import pickle 或 import cpickle。如果性能是一个问题，请导入后者。dict是一个Python字典（或其他任何Python对象）：pickled = pickle.dumps(dict)。pickled存储到MySQL BLOB列中。pickle.loads(pickled)来恢复Python字典。我只想确保我理解得正确。我有什么遗漏的关键点吗？是否有副作用？它真的那么简单吗？
背景信息：我想要做的唯一一件事就是存储Googlegeocoder响应，在我的情况下，这些响应是嵌套的python字典。我只使用响应对象的一小部分，我不知道以后是否会需要更多。这就是为什么我考虑存储响应以节省我重复一些百万查询的时间。
只要你的数据库不需要了解字典内容，这就变得非常容易。如果你需要对字典内容进行任何结构化数据访问，那么你就需要更深入地了解它。
另一个需要注意的是你打算将什么放入字典中。Python的pickle序列化非常智能，可以处理大多数情况而无需添加自定义支持。然而，当它无法正常工作时，很难理解到底出了什么问题。因此，如果可能的话，请将字典内容限制为Python内置类型。如果你开始添加自定义类的实例，请保证它们是简单的自定义类，不会对属性存储或访问进行任何有趣的操作。同时要注意不要添加来自附加组件的类或类型实例。总之，如果你开始遇到难以理解的pickle或unpickle问题，请查看字典中的非内置类型。
import time, pickle
t1 = time.clock()
f = open('story_data.pickle','rb')
s = pickle.load(f)
print time.clock() - t1
MySQL 方法：
import database as db
t1 = time.clock()
data,msg = db.mysql(""" SELECT id,story from story_data;""")
data_dict = dict([(int(x),y.split(',')) for x,y in data])
print time.clock() - t1
如果您有嵌套的字典，您必须小心。大多数Python对象不会pickle（并且您可以将任何对象作为值塞入dict中）。更糟糕的是，即使是更少的Python对象也无法转换为字符串并存储在SQL中。
然而，如果您使用klepto，序列化和存储在数据库中就非常透明，并且适用于大多数Python对象。
让我们在dict（或字典）中构建一些典型的Python对象：
>>> class Foo(object):
... def bar(self, x):
... return self.y + x
... y = 1
...
>>> d1 = {'a': min, 'b': lambda x:x**2, 'c': [1,2,3], 'd': Foo()}
>>> f = Foo(); f.y = 100
>>> d2 = {'a': max, 'b': lambda x:x**3, 'c': [2,1,3], 'd': f}
dict，并将其转储到MYSQL存档中。>>> import klepto
>>> a = klepto.archives.sql_archive('mysql://user:pass@localhost/foo', dict={'d1':d1, 'd2':d2})
>>> a.dump()
现在，我们删除了与存档相关的接口...并建立了一个新的接口。 load 将所有对象加载到内存中。
>>> del a
>>> b = klepto.archives.sql_archive('mysql://user:pass@localhost/foo')
>>> b.load()
我们现在访问内存中的对象副本。
>>> b['d1']
{'a': <built-in function min>, 'c': [1, 2, 3], 'b': <function <lambda> at 0x1037ccd70>, 'd': <__main__.Foo object at 0x103938ed0>}
>>> b['d1']['b'](b['d1']['d'].bar(1))
4
>>> b['d2']['b'](b['d2']['d'].bar(1))
1030301
>>>
我们退出Python…然后启动一个新会话。这一次，我们决定使用 cached=False，以便直接与数据库交互。
dude@hilbert>$ python
Python 2.7.10 (default, May 25 2015, 13:16:30)
[GCC 4.2.1 Compatible Apple LLVM 5.1 (clang-503.0.40)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import klepto
>>> b = klepto.archives.sql_archive('mysql://user:pass@localhost/foo', cached=False)
>>> b['d2']['b'](b['d2']['d'].bar(1))
1030301
>>> b['d1']['b'](b['d1']['d'].bar(1))
4
>>>
klepto 利用 sqlalchemy，因此它可以在多个数据库后端上运行...并且还提供了相同的基于 dict 的接口，以便将数据存储在磁盘上（文件或目录中）。