如何优化Numpy数组通过Protobuf消息的打包性能？

背景 #

我有一个921000×3的numpy数组（共921k个3D点，每行对应一个点），需要打包进Protobuf消息，目前遇到性能瓶颈。使用Python 3.10和numpy 1.26.1，因为采用gRPC所以必须使用Protobuf，且可自主修改协议结构。

首次未优化实现 #

采用的Protobuf消息结构：

message Point {
    float x = 1;
    float y = 2;
    float z = 3;
}

message BodyData {
    int32 id = 1;
    repeated Point points = 2;
}

打包代码（data为目标numpy数组）：

body = BodyData()
for row in data:
    body.points.append(Point(x=row[0], y=row[1], z=row[2]))

耗时：约1.6秒，速度严重不符合需求。

优化尝试：改用扁平数组结构 #

弃用Point嵌套结构，将所有点的X/Y/Z坐标合并成一维扁平数组传输，Protobuf消息结构调整为：

message Points {
    repeated float xyz = 1;
}

message BodyData {
    int32 id = 1;
    Points points = 2;
}

先测试将numpy数组转换为列表的最快方式，结果如下：

# 耗时：80.1ms
points = []
points.extend(data.flatten())

# 耗时：96.8ms
points = []
points.extend(data.reshape((data.shape[0] * data.shape[1],)))

# 耗时：76.5ms - 最快
points = []
points.extend(data.flatten().tolist())

但将该方式应用到Protobuf消息时，速度大幅下降：

# 耗时：436.0ms
body = BodyData()
body.points.xyz.extend(data.flatten().tolist())

当前困境 #

目前最快的打包方式耗时436ms，远未达到预期的约12ms性能目标，请问有没有更快的实现方案？

内容的提问来源于stack exchange，提问作者Jason C