📚 课程目录第3章数据交换中的格式与语义基础

3. 数据交换中的格式与语义基础

在多学科模型接口中，数据交换格式决定了“信息能否被对方读懂”。格式解决的是语法问题——数据如何排列、分隔、嵌套；语义解决的是含义问题——同一个字段名在不同学科中是否指同一物理量、同一单位、同一坐标系。选错格式，往往不是数据传不过去，而是传过去之后被错误解释。

五类格式的定位差异

CSV 是最轻量的表格格式，以行列表头承载二维数据，适合参数扫描结果、实验测点表、批量工况记录。它的优点是任何工具都能读，缺点是只能表达二维、无类型、无嵌套、无元数据，单位与坐标系必须靠外部约定。

JSON 以键值对和数组表达层次结构，天然适合接口报文、配置参数、模型元数据。它支持嵌套和类型区分（字符串、数值、布尔、数组、对象），但不擅长承载大规模数值数组，且浮点精度在序列化时可能损失。

XML 通过标签和属性表达结构，支持命名空间、Schema 校验和属性扩展，适合需要严格契约、跨组织交换、带自描述的工程数据。代价是冗余度高、解析开销大。

HDF5 是层次化二进制容器，支持多维数组、分块存储、压缩、部分读取和丰富元数据，适合大规模仿真结果、网格数据、时间序列场量。它把“数据+结构+元数据”放在同一文件内，是科学计算领域的主力格式。

通用二进制（如自定义结构体、FlatBuffers、Protobuf 等）追求紧凑与高速，适合高频实时接口、嵌入式传输、内存映射。代价是可读性差，必须依赖双方约定的布局或 schema。

转换要点：先对齐语义，再选格式

格式转换最容易出错的不是语法解析，而是语义锚点没有对齐。以下四个锚点在跨学科交换中必须显式声明：

单位与量纲：结构分析常用 N、mm、MPa，热分析常用 W、m、K。若接口不声明单位，接收方可能把 mm 当 m 使用，导致刚度矩阵差 10⁹ 量级。
坐标系与方向：不同学科可能采用右手系或左手系，Z 轴可能向上或向下。转换时必须明确旋转矩阵或轴映射关系，否则位移、力矩方向会整体反向。
维度与索引顺序：HDF5 默认行优先（C 顺序），而部分数值库使用列优先（Fortran 顺序）。一个 3×4 矩阵若顺序错位，会变成 4×3，后续运算全部失效。
时间基准与步长：绝对时间戳与相对步数不能混用；不同求解器的自适应步长在交换前应重采样到统一时间网格。

典型转换路径与实现示例

以“CSV 参数表 → JSON 接口报文 → HDF5 结果归档”为例，说明一条常见链路。假设 CSV 中有一组工况参数：

case_id,youngs_modulus_MPa,poisson_ratio,density_kg_m3
C01,210000,0.30,7850
C02,70000,0.33,2700
C03,120000,0.28,4500

转换为 JSON 时，需要把表头映射为带单位的字段名，并保持数值类型：

{
  "cases": [
    {"case_id": "C01", "youngs_modulus": {"value": 210000, "unit": "MPa"},
     "poisson_ratio": 0.30, "density": {"value": 7850, "unit": "kg/m3"}},
    {"case_id": "C02", "youngs_modulus": {"value": 70000, "unit": "MPa"},
     "poisson_ratio": 0.33, "density": {"value": 2700, "unit": "kg/m3"}}
  ],
  "coordinate_system": "right-handed, Z-up",
  "time_basis": "steady-state"
}

写入 HDF5 时，每个工况建一个 group，参数存为 dataset，并把单位、坐标系写入 attributes：

/cases/C01/youngs_modulus   dataset, shape=(1,), dtype=float64
    attrs: unit="MPa", coordinate_system="right-handed, Z-up"
/cases/C01/poisson_ratio    dataset, shape=(1,), dtype=float64
/cases/C01/density          dataset, shape=(1,), dtype=float64
    attrs: unit="kg/m3"

这样，接收方读取 HDF5 时，不仅拿到数值，还能直接读取单位与坐标系属性，无需依赖外部文档。若后续需要把结果回传给只支持 CSV 的系统，则从 HDF5 导出时把 attributes 展开为额外列，例如 youngs_modulus_MPa、coordinate_system，保证语义不丢失。

实践建议：在接口契约中为每个字段定义“名称 + 单位 + 坐标系 + 维度顺序 + 时间基准”五元组。格式可以换，五元组不能丢。若某格式无法承载五元组（如纯 CSV），则必须在文件名、表头或伴随的元数据文件中显式记录。

常见陷阱：JSON 中的浮点数在序列化时可能被截断为双精度，若原始数据为高精度十进制，建议以字符串形式传输并注明精度；HDF5 的维度顺序与 NumPy 默认一致，但与 MATLAB 的列优先不同，跨工具交换时需显式转置或声明顺序。

格式选择速查

场景	推荐格式	关键理由
少量参数、人工可读	CSV / JSON	编辑方便，工具支持广
接口报文、配置	JSON	嵌套结构、类型清晰
跨组织契约、需校验	XML + Schema	命名空间、严格校验
大规模数组、场量	HDF5	分块、压缩、部分读取
高频实时、嵌入式	二进制 / Protobuf	紧凑、低延迟

格式本身没有优劣，只有是否匹配当前交换任务的规模、频率、可读性要求和语义承载能力。真正决定接口成败的，是转换过程中语义锚点是否被完整保留。