1.概述

转载：序列化：ProtoBuf 与 JSON 的比较！

介绍

ProtoBuf 是google团队开发的用于高效存储和读取结构化数据的工具。什么是结构化数据呢，正如字面上表达的，就是带有一定结构的数据。比如电话簿上有很多记录数据，每条记录包含姓名、ID、邮件、电话等，这种结构重复出现。

XML、JSON 也可以用来存储此类结构化数据，但是使用ProtoBuf表示的数据能更加高效，并且将数据压缩得更小。

原理

ProtoBuf 是通过ProtoBuf编译器将与编程语言无关的特有的.proto后缀的数据结构文件编译成各个编程语言(Java,C/C++,Python)专用的类文件，然后通过Google提供的各个编程语言的支持库lib即可调用API。(关于proto结构体怎么编写，可自行查阅文档)

ProtoBuf编译器安装

Mac: brew install protobuf

ProtoBuf使用案例

先创建一个proto文件

message.protosyntax = "proto3";message Person {int32 id = 1;string name = 2;repeated Phone phone = 4;enum PhoneType {MOBILE = 0;HOME = 1;WORK = 2;}message Phone {string number = 1;PhoneType type = 2;}
}

创建一个Java项目

并且将proto文件放置src/main/proto文件夹下

编译proto文件至Java版本
用命令行 cd 到src/main目录下

终端执行命令: protoc --java_out=./java ./proto/*.proto

会发现，在src/main/java里已经生成里对应的Java类

依赖Java版本的ProtoBuf支持库
这里只举一个用Gradle使用依赖的栗子

implementation 'com.google.protobuf:protobuf-java:3.9.1'

将Java对象转为ProtoBuf数据

Message.Person.Phone.Builder phoneBuilder = Message.Person.Phone.newBuilder();
Message.Person.Phone phone1 = phoneBuilder.setNumber("100860").setType(Message.Person.PhoneType.HOME).build();
Message.Person.Phone phone2 = phoneBuilder.setNumber("100100").setType(Message.Person.PhoneType.MOBILE).build();
Message.Person.Builder personBuilder = Message.Person.newBuilder();
personBuilder.setId(1994);
personBuilder.setName("XIAOLEI");
personBuilder.addPhone(phone1);
personBuilder.addPhone(phone2);Message.Person person = personBuilder.build();
long old = System.currentTimeMillis();
byte[] buff = person.toByteArray();
System.out.println("ProtoBuf 编码耗时：" + (System.currentTimeMillis() - old));
System.out.println(Arrays.toString(buff));
System.out.println("ProtoBuf 数据长度:" + buff.length);
将ProtoBuf数据，转换回Java对象
System.out.println("-开始解码-");
old = System.currentTimeMillis();
Message.Person personOut = Message.Person.parseFrom(buff);
System.out.println("ProtoBuf 解码耗时：" + (System.currentTimeMillis() - old));
System.out.printf("Id:%d, Name:%s\n", personOut.getId(), personOut.getName());
List<Message.Person.Phone> phoneList = personOut.getPhoneList();
for (Message.Person.Phone phone : phoneList) {System.out.printf("手机号:%s (%s)\n", phone.getNumber(), phone.getType());
}

比较

为了能体现ProtoBuf的优势，我写了同样结构体的Java类，并且将Java对象转换成JSON数据，来与ProtoBuf进行比较。JSON编译库使用Google提供的GSON库，JSON的部分代码就不贴出来了，直接展示结果

运行 1 次

【 JSON 开始编码 】
JSON 编码1次，耗时：22ms
JSON 数据长度:106
-开始解码-
JSON 解码1次，耗时：1ms【 ProtoBuf 开始编码 】
ProtoBuf 编码1次,耗时：32ms
ProtoBuf 数据长度:34
-开始解码-
ProtoBuf 解码1次,耗时：3ms

运行 10 次

【 JSON 开始编码 】
JSON 编码10次，耗时：22ms
JSON 数据长度:106
-开始解码-
JSON 解码10次，耗时：4ms【 ProtoBuf 开始编码 】
ProtoBuf 编码10次,耗时：29ms
ProtoBuf 数据长度:34
-开始解码-
ProtoBuf 解码10次,耗时：3ms

运行 100 次

【 JSON 开始编码 】
JSON 编码100次，耗时：32ms
JSON 数据长度:106
-开始解码-
JSON 解码100次，耗时：8ms【 ProtoBuf 开始编码 】
ProtoBuf 编码100次,耗时：31ms
ProtoBuf 数据长度:34
-开始解码-
ProtoBuf 解码100次,耗时：4ms

运行 1000 次

【 JSON 开始编码 】
JSON 编码1000次，耗时：39ms
JSON 数据长度:106
-开始解码-
JSON 解码1000次，耗时：21ms【 ProtoBuf 开始编码 】
ProtoBuf 编码1000次,耗时：37ms
ProtoBuf 数据长度:34
-开始解码-
ProtoBuf 解码1000次,耗时：8ms

运行 1万次

【 JSON 开始编码 】
JSON 编码10000次，耗时：126ms
JSON 数据长度:106
-开始解码-
JSON 解码10000次，耗时：93ms【 ProtoBuf 开始编码 】
ProtoBuf 编码10000次,耗时：49ms
ProtoBuf 数据长度:34
-开始解码-
ProtoBuf 解码10000次,耗时：23ms

运行 10万次

【 JSON 开始编码 】
JSON 编码100000次，耗时：248ms
JSON 数据长度:106
-开始解码-
JSON 解码100000次，耗时：180ms【 ProtoBuf 开始编码 】
ProtoBuf 编码100000次,耗时：51ms
ProtoBuf 数据长度:34
-开始解码-
ProtoBuf 解码100000次,耗时：58ms

总结

编解码性能
上述栗子只是简单的采样，实际上据我的实验发现

次数在1千以下，ProtoBuf的编码与解码性能，都与JSON不相上下，甚至还有比JSON差的趋势
次数在2千以上，ProtoBuf的编码解码性能，都比JSON高出很多
次数在10万以上，ProtoBuf的编解码性能就很明显了，远远高出JSON的性能

内存占用

ProtoBuf的内存34，而JSON到达106，ProtoBuf的内存占用只有JSON的1/3.

结尾

其实这次实验有很多可待优化的地方，就算是这种粗略的测试，也能看出来ProtoBuf的优势。

兼容

新增字段
在proto文件中新增 nickname 字段
生成Java文件
用老proto字节数组数据，转换成对象

Id:1992, Name:XIAOLEI
手机号:100860 (HOME)
手机号:100100 (MOBILE)
getNickname=

结果，是可以转换成功。

删除字段
在proto文件中删除 name 字段
生成Java文件
用老proto字节数组数据，转换成对象

Id:1992, Name:null
手机号:100860 (HOME)
手机号:100100 (MOBILE)
结果，是可以转换成功。

【java】序列化：ProtoBuf 与 JSON 的比较相关推荐

Java 序列化对象为json字符串，属性首字母大写，并按照属性首字母排序
1.创建类 import lombok.Data; import lombok.NoArgsConstructor; import lombok.AllArgsConstructor;import c ...
Java kryo/protobuf/protostuff序列化 or Json 性能对比
Java kryo/protobuf/protostuff序列化 or Json 性能对比 - 腾飞的鹰 - 博客园对于一个java object的序列化,想测一下使用json和使用一般序列化工具, ...
序列化：ProtoBuf与JSON的比较
点击上方"方志朋",选择"设为星标" 回复"666"获取新整理的面试文章来源:https://my.oschina.net/xiaolei ...
序列化：Protobuf 与 JSON、XML 的对比
Protobuf .JSON.XML 的对比 XML JSON PB 数据结构支持复杂结构简单结构较复杂结构数据保存方式文本文本二进制数据保存大小大一般小解析效率慢一般快 ...
Java序列化案例demo（包含Kryo、JDK原生、Protobuf、ProtoStuff以及hessian）
文章目录前言一.Kryo序列化(优先选择) 介绍快速开始测试二.JDK原生序列化介绍快速开始测试三.Protobuf序列化介绍快速开始测试四.ProtoStuff 介绍快速 ...
java json太长_修复Long类型太长，而Java序列化JSON丢失精度问题的方法
Java序列化JSON时long型数值,会出现精度丢失的问题. 原因: java中得long能表示的范围比js中number大,也就意味着部分数值在js中存不下(变成不准确的值). 解决办法一: 使用 ...
kryo java_优化Java序列化– Java，XML，JSON，Kryo，POF
kryo java 也许我很天真,但是我一直认为Java序列化肯定是将Java对象序列化为二进制形式的最快,最有效的方法. 毕竟Java是第7个主要发行版,所以这不是新技术,而且由于每个JDK似乎都比 ...
优化Java序列化– Java，XML，JSON，Kryo，POF
也许我很天真,但是我一直认为Java序列化肯定是将Java对象序列化为二进制形式的最快,最有效的方法. 毕竟Java是第7个主要发行版,所以这不是新技术,并且由于每个JDK似乎都比上一个快,因此我错误 ...
biginteger和long精度_修复Long类型太长，而Java序列化JSON丢失精度问题的方法
造成原因:JS内置有32位整数,而number类型的安全整数是53位.如果超过53位,则精度会丢失.正如现在后台传来一个64位的Long型整数,因此超过了53位,所以后台返回的值和前台获取的值会不一样 ...

【java】序列化：ProtoBuf 与 JSON 的比较