快捷搜索:  汽车  科技

json序列化和反序列化(序列化与反序列化)

json序列化和反序列化(序列化与反序列化)反序列化:把字节序列恢复为Java对象的过程。序列化:把Java对象转换为字节序列的过程。FastJSON、Gson、Jackson反序列化性能比较.png为了营造一个相对准确、互不影响的测试环境,我们需要有以下限制(要求):MacBook Pro (16-inch 2019) 处理器 2.3 GHz 八核Intel Core i9 内存16 GB 2667 MHz DDR4 硬盘 1TJVM相关参数配置:#JDK版本 jdk1.8.0_151 #运行参数 -Xms4g -Xmx4g -XX: UseG1GC三种JSON引擎版本:com.fasterxml.jackson.core.jackson:2.11.1 com.google.code.gson:2.8.6 com.alibaba.fastjson:1.2.72序列化与反序列化搞事情之前,我们先来复习一下什么是序列化与反序列化

背景

起因是公司原先用的是阿里开源的FastJSON,大家用的也比较顺手,但是在出现了两次严重的漏洞后,公司决定放弃FastJSON,使用其他序列化/反序列化工具。考虑大家常用的无非就是FastJSON、Jackson和Gson这三种,因此领导让我调研一下到底是使用Gson还是Jackson。

关于漏洞这里我多说一句,建议大家还真得把这个事情当一个事情。我之前就被漏洞坑了一把,在一台linux服务器上部署了6.5版本的confluence,后来阿里云也发紧急通知了,告知赶紧升级,然而我并没有当一回事,过了没两天我就中招了,这台机器被挖矿了,什么都干不了,只能是初始化系统,好一顿折腾~

秉持着严谨且负责的精神,这个事情还是要好好做一下子的~

测试结果预告

json序列化和反序列化(序列化与反序列化)(1)

FastJSON、Gson、Jackson序列化性能比较.png

json序列化和反序列化(序列化与反序列化)(2)

FastJSON、Gson、Jackson反序列化性能比较.png

前置准备工作

为了营造一个相对准确、互不影响的测试环境,我们需要有以下限制(要求):

  • 同一台机器,即我的mac:
  • MacBook Pro (16-inch 2019) 处理器 2.3 GHz 八核Intel Core i9 内存16 GB 2667 MHz DDR4 硬盘 1T

  • JVM相关参数配置:
  • #JDK版本 jdk1.8.0_151 #运行参数 -Xms4g -Xmx4g -XX: UseG1GC

    • 三种JSON引擎版本:

    com.fasterxml.jackson.core.jackson:2.11.1 com.google.code.gson:2.8.6 com.alibaba.fastjson:1.2.72

    序列化与反序列化

    搞事情之前,我们先来复习一下什么是序列化与反序列化:

    序列化:把Java对象转换为字节序列的过程。

    反序列化:把字节序列恢复为Java对象的过程。

    对象的序列化主要有两种用途:

    持久化对象:把对象的字节序列永久地保存到硬盘上,通常存放在一个文件中;

    网络传输对象:在网络上传送对象的字节序列。

    代码测试

    创建一个对象,包含Boolean、Integer、Long、Double、Date、String、ArrayList、HashMap等数据类型,构造方法即初始化好对象,方便后面使用:

    package com.performance.json.bean; import com.performance.json.DataBuilder; import lombok.Data; import java.io.Serializable; import java.util.Date; import java.util.List; import java.util.Map; import java.util.random; /** * 数据对象 * @author java架构设计 * @date 2020/7/17 5:19 下午 **/ @Data public class DataBean implements Serializable { private static final long serialVersionUID = 6453520211539229613L; private Boolean aBoolean; private Integer integer; private Long aLong; private Double aDouble; private Date date; private String string; private List<String> list; private Map<String Object> objectMap; public DataBean() { Random random = new Random(); this.aBoolean = random.nextBoolean(); this.integer = random.nextInt(); this.aLong = random.nextLong(); this.aDouble = random.nextDouble(); this.date = new Date(); this.string = DataBuilder.randomString(); this.list = DataBuilder.randomList(); this.objectMap = DataBuilder.randomMap(); } }

    其中randomString()、randomList()、randomMap()方法如下:

    package com.performance.json; import java.util.*; /** * 数据构造器 * * @author java架构设计 * @date 2020/7/17 5:30 下午 **/ public class DataBuilder { private static final String[] chars = new String[] { "0" "1" "2" "3" "4" "5" "6" "7" "8" "9" "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z" "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" "Y" "Z" }; private static final Random random = new Random(); /** * 生成100以内随机长度的字符串 * @return String */ public static String randomString(){ int len = random.nextInt(100); StringBuilder sb = new StringBuilder(len); for (int i = 0; i < len; i ) { sb.append(chars[random.nextInt(62)]); } return sb.toString(); } /** * 生成100以内的字符串集合 * @return List<String> */ public static List<String> randomList() { int len = random.nextInt(100); ArrayList<String> list = new ArrayList<>(len); for (int i = 0; i < len; i ) { list.add(randomString()); } return list; } /** * 生成100以内的Map * @return Map<String Object> */ public static Map<String Object> randomMap() { int len = random.nextInt(100); Map<String Object> map = new HashMap<>(len); for (int i = 0; i < len; i ) { switch (i % 6) { case 0: map.put("key" i random.nextBoolean()); break; case 1: map.put("key" i random.nextInt()); break; case 2: map.put("key" i random.nextLong()); break; case 3: map.put("key" i random.nextDouble()); break; case 4: map.put("key" i new Date()); break; case 5: map.put("key" i randomString()); break; default: break; } } return map; } }

    序列化测试代码:

    json序列化和反序列化(序列化与反序列化)(3)

    测试对象数分别为1、100、1000、10000、100000个,对象都是预先生成好,然后再依次执行三种JSON引擎执行序列化操作,输出结果:

    #1个对象 FastJSON耗时:84ms Gson耗时:13ms Jackson耗时:51ms #10个对象 FastJSON耗时:87ms Gson耗时:21ms Jackson耗时:54ms #100个对象 FastJSON耗时:110ms Gson耗时:43ms Jackson耗时:69ms #1000个对象 FastJSON耗时:138ms Gson耗时:114ms Jackson耗时:98ms #10000个对象 FastJSON耗时:290ms Gson耗时:467ms Jackson耗时:230ms #10000个对象 FastJSON耗时:1657ms Gson耗时:3340ms Jackson耗时:1456ms

    生成条形图:

    json序列化和反序列化(序列化与反序列化)(4)

    FastJSON、Gson、Jackson序列化性能比较.png

    从上图来分析,可以知道的是,在数据量较少(1、10、100)的时候,Gson的性能最优,且优势较明显,当对象数量在1000的时候,Jackson的性能开始上来了,因此在对象数量在1~1000的时候,性能比拼:Gson>Jackson>FastJSON。

    但是当数量达到10000、100000级别的时候,Gson的性能下降的比较厉害,而FastJson和Jackson依旧保持着它们的快,性能比较:Jackson>FastJSON>Gson。

    反序列化测试代码:

    json序列化和反序列化(序列化与反序列化)(5)

    public static void main(String[] args) { testDeSerialize(1); // testDeSerialize(10); // testDeSerialize(100); // testDeSerialize(1000); // testDeSerialize(10000); // testDeSerialize(100000); }

    测试对象数分别为1、100、1000、10000、100000个,对象都是预先序列化好,然后再依次执行三种JSON引擎执行反序列化操作,输出结果:

    #1次 FastJSON耗时:20ms Gson耗时:5ms Jackson耗时:28ms #10次 FastJSON耗时:29ms Gson耗时:15ms Jackson耗时:34ms #100次 FastJSON耗时:48ms Gson耗时:46ms Jackson耗时:51ms #1000次 FastJSON耗时:131ms Gson耗时:214ms Jackson耗时:146ms #10000次 FastJSON耗时:652ms Gson耗时:893ms Jackson耗时:720ms #100000次 FastJSON耗时:5985ms Gson耗时:7357ms Jackson耗时:5232ms

    生成条形图:

    json序列化和反序列化(序列化与反序列化)(6)

    FastJSON、Gson、Jackson反序列化性能比较.png

    反序列化性能测试,

    在对象数量为1、10、100的时候,Gson的性能最好,Jackson次之,性能排序为:Gson>Jackson>FastJson

    在对象数量为1000、10000的时候,Gson的性能下降比较明显,这个量级下性能排序为:FastJson>Jackson>Gson。

    在对象数量为10w的时候,Jackson反超FastJson,性能排序为:Jackson>FastJson>Gson。

    总结

  • 当数据量较小的时候(1~100),建议使用 Gson;
  • 当数据量较大的时候,建议使用Jackson;
  • 在大数据量的时候,虽然FastJson优势上来了,但是因为有漏洞,不得不放弃。
  • 在做这个性能测试之前,也是在网上查找了一下大家是怎么做这个性能测试的,有的很复杂,有的却也简单,最终我还是选择了一种简单的测试方式,在尽可能的规避其他因素的影响,比如:提前生成好数据、三种引擎测试的样本数据一致、1~10w次的次数测试的时候都是重新运行main方法,尽量避免虚拟机的影响。

    最终得出的性能测试结果与网上参考文章的测试结果一致。

    如果您觉得上述测试过程有问题,欢迎在评论区指正~

    猜您喜欢: