下面的测试代码是运行在苹果机上，I5处理器，2.3GHz

处理的原始数据约为1k。测试一秒钟可以跑多少次AMF3的编码。

#! /usr/bin/env python
#coding=utf-8

import time
import pyamf

test_data = {
    'baihe': {
        'name': unicode('百合', 'utf-8'),      
        'say': unicode('清新，淡雅，花香', 'utf-8'),     
        'grow_time': 0.5,        
        'fruit_time':  0.5,     
        'super_time': 0.5,      
        'total_time': 1,    
        'buy':{'gold':2, } ,      
        'harvest_fruit': 1,    
        'harvest_super': 1,    
        'sale': 1,         
        'level_need': 0,   
        'experience' : 2,   
        'exp_fruit': 1,      
        'exp_super': 1,     
        'used': True,
    },
    '1':{
        'interval' : 0.3, 
        'probability' : {
            '98': {'chips' : (5, 25), },
            '2' : {'gem' : (1,1), },
        },
    },
    '2':{
        'unlock' : {'chips':1000, 'FC':10,},
        'interval' : 12, 
        'probability' : {
            '70': {'chips' : (120, 250), },
            '20': {'gem' : (1,1), },
            '10': {'gem' : (2,2), },
        },
    },
    'one':{
        '10,5' :{'id':'m01', 'Y':1, 'msg':u'在罐子里发现了一个银币！',},
        '3,7'  :{'id':'m02', 'Y':10,'msg':u'发现了十个银币！好大一笔钱！',},
        '15,5' :{'id':'m03', 'Y':2, 'msg':u'一只老鼠跑了过去',},
        '7,4'  :{'id':'m04', 'Y':4, 'msg':u'发现了四个生锈的银币……',},
        '2,12' :{'id':'m05', 'Y':6, 'msg':u'六个闪亮的银币！',},
    },    
    
}

start_time = time.time()
print "start_time:", start_time

j = 1
while True:
    j += 1
    encoder = pyamf.get_encoder(pyamf.AMF3)  
    stream = encoder.stream   
    encoder.writeElement(test_data)  
    amf_data = stream.getvalue() 
    data_length = len(amf_data)
    end_time = time.time()
    if end_time - start_time >= 1 :
        break
print "loop_num:", j
print "end_time:  ",end_time
print data_length

测试结果如下：

start_time: 1343897700.92
loop_num: 6805
end_time:   1343897701.92
656

可以看出，pyamf编码的效率并不高，单纯从序列化角度讲，cPickle的dumps()在协议1时，效率是pyamf的5倍多。

但是pyamf的压缩比要比pickle.dumps()高出20%以上。