Perbandingan Serialization Data: JSON, YAML, BSON, MessagePack

Standard sebenar untuk pertukaran data rangkaian adalah JSON (notasi objek JavaScript), tetapi ia juga mempunyai kelemahan, dan dalam beberapa kes format lain mungkin lebih sesuai. Artikel ini akan membandingkan kelebihan dan kekurangan pelbagai alternatif, termasuk kemudahan penggunaan dan prestasi.

Nota: Artikel ini tidak akan memperkenalkan butiran pelaksanaan secara terperinci, tetapi jika anda seorang pengaturcara Ruby, sila lihat artikel ini yang ditulis oleh Dhaivat, yang memperkenalkan cara untuk melaksanakan beberapa format siri dalam Ruby.

mata utama

JSON (Notasi Objek JavaScript) adalah format yang paling banyak digunakan untuk serialisasi data, menyediakan kod yang boleh dibaca manusia, spesifikasi mudah, dan sokongan yang luas. Walau bagaimanapun, ia juga mempunyai beberapa batasan, terutamanya apabila mengodkan data binari.

• BSON (Binary JSON) adalah Serialization Kod Perduaan Dokumen Kelas JSON. Ia menyediakan penyimpanan maklumat binari yang mudah, direka untuk operasi memori yang cepat, dan merupakan perwakilan data utama MongoDB. Walau bagaimanapun, apabila bersiri, ia mungkin lebih mahal daripada JSON.
• MessagePack adalah format binari untuk bersiri yang direka untuk membolehkan penghantaran rangkaian yang cekap. Ia biasanya mengatasi BSON dari segi kelajuan dan saiz dan menyediakan keserasian JSON yang lebih baik.
• yaml (yaml bukan bahasa markup) adalah format teks biasa untuk bersiri yang menyediakan kod yang boleh dibaca manusia dan kod padat. Ia amat sesuai untuk melihat dan menyunting struktur data. Walau bagaimanapun, spesifikasinya jauh lebih besar daripada spesifikasi JSON dan oleh itu lebih kompleks.
Apakah Serialization Data

Menurut definisi Wikipedia, bersiri adalah:

Proses menukarkan struktur data atau keadaan objek ke dalam format yang boleh disimpan (contohnya, disimpan dalam penampan fail atau memori, atau dihantar melalui pautan sambungan rangkaian) dan kemudian dibina semula dalam persekitaran komputer yang sama atau lain -lain.

Katakan anda ingin mengumpul data tertentu mengenai sekumpulan orang -nama, nama belakang, nama samaran, tarikh lahir, instrumen yang mereka mainkan. Anda boleh dengan mudah menyediakan spreadsheet, menentukan beberapa lajur, dan letakkan setiap baris sebagai entri. Anda boleh melangkah lebih jauh, tarikh definisi lajur kelahiran mestilah nombor, dan lajur instrumen boleh menjadi senarai pilihan. Nampaknya ini:

Nama

Nama Pendek Tarikh Lahir NICKNAME Instrumen Muzik William Bailey 1962 Axl Rose Vocal, Piano Saul Hudson 1965 Slash Guitar

lebih kurang, apa yang anda lakukan adalah menentukan struktur data; Masalahnya ialah jika anda ingin menukar maklumat ini dengan pangkalan data atau laman web, maka mekanisme pelaksanaan struktur data ini pada platform lain akan sangat berbeza walaupun semantik yang mendasari umumnya sama. Anda tidak boleh memasukkan spreadsheet ke dalam aplikasi web melainkan aplikasi itu direka khusus untuk ini. Kecuali anda mempunyai beberapa jenis alat eksport atau gerbang, anda tidak boleh memindahkan maklumat dari laman web ke pangkalan data.

Mari kita anggap bahawa laman web kami sudah melaksanakan struktur data ini dalam logik dalamannya dan bahawa ia tidak dapat mengendalikan format spreadsheet. Untuk menyelesaikan masalah ini, anda boleh menukar struktur data ini ke dalam format yang mudah dikongsi antara aplikasi, seni bina, atau kandungan lain yang berbeza: anda bersiri. Dengan melakukan ini, anda dapat memastikan bahawa bukan sahaja data ini dapat dipindahkan ke seluruh platform, tetapi mereka boleh dibina semula dalam proses terbalik yang dipanggil deserialization. Selain itu, jika anda bertukar kembali ke spreadsheet dari laman web, anda akan mendapat klon yang sama dengan objek asal -iaitu, baris yang kelihatan sama seperti yang anda hantar pada asalnya.

Pendek kata: Serializing Data adalah untuk mencari beberapa format biasa yang mudah dikongsi di antara aplikasi yang berbeza.

Format

JSON

json (notasi objek JavaScript) adalah format pertukaran data ringan. Ia mudah dibaca dan ditulis oleh manusia;

json adalah format siri data yang paling banyak digunakan, dan ia mempunyai ciri -ciri berikut:

(kebanyakan) kod yang boleh dibaca manusia: Walaupun kod itu telah kabur atau sempit, anda sentiasa boleh memindanya dan membuatnya boleh dibaca lagi menggunakan alat seperti JSONLINT.
Spesifikasi yang sangat mudah dan mudah: Ringkasan keseluruhan spesifikasi boleh diletakkan pada halaman (seperti yang ditunjukkan di laman web JSON).
Sokongan luas: Bukan sahaja setiap bahasa pengaturcaraan atau IDE datang dengan sokongan JSON, tetapi banyak API perkhidmatan web juga menyediakan JSON sebagai cara untuk bertukar data.
Sebagai subset JavaScript, ia menyokong jenis data JavaScript berikut:
• String
  nombor
  Objek
  array
  Benar dan Salah
  • null
  Berikut adalah apa yang kelihatan seperti spreadsheet sebelumnya selepas bersiri di JSON:

bson

<code>[
  {
    "name": "William",
    "last name": "Bailey",
    "dob": 1962,
    "nickname": "Axl Rose",
    "instruments": [
      "vocals",
      "piano"
    ]
  },
  {
    "name": "Saul",
    "last name": "Hudson",
    "dob": 1965,
    "nickname": "Slash",
    "instruments": [
      "guitar"
    ]
  }
]
</code>

BSON, iaitu JSON binari, adalah serialisasi kod binari dokumen kelas JSON ... Ia juga mengandungi sambungan yang membolehkan perwakilan jenis data yang tidak tergolong dalam spesifikasi JSON.

JSON adalah format teks biasa. BSON digunakan untuk menangani isu -isu ini.

ia mempunyai ciri -ciri berikut:

• Penyimpanan Maklumat Perduaan Mudah: Lebih sesuai untuk bertukar imej dan aksesori
• bertujuan untuk melakukan operasi memori cepat
• Spesifikasi Mudah: Seperti JSON, BSON juga mempunyai spesifikasi yang sangat pendek dan mudah
• Perwakilan data utama MongoDB: BSON direka untuk menjadi mudah untuk melintasi
• Jenis Data Tambahan:
  • ketepatan double (64-bit IEEE 754 Nombor titik terapung)
  • tarikh (milisaat sejak era unix)
  • array byte (data binari)
  • objek BSON dan array BSON
  • kod JavaScript
  • data binari MD5
  • Ekspresi biasa

MessagePack

Ia sama dengan JSON. Tetapi lebih cepat dan lebih kecil.

MessagePack (juga dikenali sebagai Msgpack) adalah satu lagi format binari untuk bersiri. Tidak seperti yang terkenal dengan BSON, tetapi patut dilihat.

ciri -cirinya termasuk:

bertujuan untuk mencapai penghantaran rangkaian yang cekap
keserasian JSON yang lebih baik daripada BSON: Seperti yang dijelaskan oleh Sadayuki Furuhashi dalam Stack Overflow Post
lebih kecil daripada BSON: Ia mempunyai overhead yang lebih kecil daripada BSON dan boleh bersiri objek yang lebih kecil dalam kebanyakan kes
pemeriksaan jenis: ia menyokong penaipan statik
Stream API: Menyokong aliran deserializer, yang sangat berguna untuk komunikasi rangkaian.

yaml

yaml: yaml bukan bahasa markup. Apa itu: YAML adalah standard siriisasi data manusia untuk semua bahasa pengaturcaraan.

Kembali ke format teks biasa, YAML adalah alternatif kepada JSON:

• (benar-benar) kod yang boleh dibaca manusia: YAML begitu mudah dibaca sehingga kandungan laman webnya dipaparkan dalam YAML untuk menggambarkan titik ini
• Kod Lengkap: Gunakan lekukan ruang untuk mewakili struktur tanpa tanda petikan atau tanda kurung
• sintaks data relasi: Benarkan rujukan dalaman menggunakan sauh (&) dan alias (*)
• Terutama sesuai untuk melihat/menyunting struktur data: seperti fail konfigurasi, tempat sampah semasa debugging, dan tajuk dokumen
• Set jenis bahasa yang bebas:
  • Koleksi:
    set kunci yang tidak teratur (!! peta)
    urutan kekunci yang diperintahkan (!! omap)
    urutan kekunci yang diperintahkan (!! Pasangan)
    set yang tidak teratur nilai yang tidak sama rata (!! set)
    urutan sebarang nilai (!! seq)
  Jenis skalar:
  • nilai null (~, null)
    perpuluhan (1234), hexadecimal (0x4d2) dan oktal (02333) integer
    tetap (1_230.15) dan indeks (12.3015e 02) Nombor titik terapung
    Infinity (.inf, -.inf) dan bukan angka (.nan)
    benar (y, benar, ya, pada) dan palsu (n, palsu, tidak, off)
    Dikodkan binari menggunakan base64 (!! binari)
    timestamp (!! Timestamp).

Berikut adalah apa yang spreadsheet kami kelihatan seperti selepas bersiri di Yaml:

<code>[
  {
    "name": "William",
    "last name": "Bailey",
    "dob": 1962,
    "nickname": "Axl Rose",
    "instruments": [
      "vocals",
      "piano"
    ]
  },
  {
    "name": "Saul",
    "last name": "Hudson",
    "dob": 1965,
    "nickname": "Slash",
    "instruments": [
      "guitar"
    ]
  }
]
</code>

Format lain

Terdapat banyak format serialisasi lain, seperti buffer protokol (protobuf, juga dalam format binari), yang saya telah ditinggalkan (dengan cara yang agak rawak). Jika anda ingin mengetahui hanya semua format yang mungkin, lihat Wikipedia mengenai perbandingan format siri data.

... HDF5?

Kami akan menyimpang sedikit dari topik di sini. Format data berlapis versi 5 (HDF5) tidak benar -benar untuk siri, tetapi untuk penyimpanan, dan ia menyapu sains data dan industri lain. Ia adalah format yang sangat cepat dan sejagat yang boleh digunakan bukan sahaja untuk menyimpan banyak struktur data, tetapi juga sebagai pengganti bagi pangkalan data relasi.

Untuk mengakhiri episod ini, mari kita sebutkan bahawa jika anda menggunakan format binari seperti BSON dan MessagePack untuk menyimpan/menukar banyak maklumat, anda mungkin tergoda untuk menyemak HDF5.

Penanda aras dan perbandingan

Satu corak yang muncul ialah BSON mungkin lebih mahal apabila bersiri daripada JSON, tetapi lebih cepat apabila deserialized; Selain itu, fail BSON kadang-kadang lebih besar daripada fail JSON apabila menyimpan data bukan binari kerana overhead mereka, walaupun berada dalam format binari. Beberapa pautan untuk merujuk kepada:

• Perbandingan Prestasi Serialization Maxim Novak pada M@X pada dev (C#/. Net).
• Buffer Protokol, Avro, Thrift dan MessagePack yang diterbitkan oleh Ilya Grigorik di Ivita.com.
• Panduan Karlin Fox untuk Serialization Perduaan pada Objek Atom.
• DataFrame Pandas Penyimpanan Percuma Ditulis oleh Matthew Rocklin.
• Perbandingan MessagePack vs Json vs. Bson oleh Wesley Tanaka.

Ia juga perlu diperhatikan bahawa walaupun untuk format yang sama, prestasi mungkin bergantung pada serializer dan parser yang anda pilih.

Nota dan Komen

Walaupun kedengarannya bodoh, BSON mempunyai kelebihan nama: orang secara automatik akan mengaitkan format mongoDB (BSON) secara automatik dengan standard (JSON), dan tidak ada kaitan di antara mereka. Oleh itu, anda boleh mempertimbangkan pilihan lain juga apabila mencari alternatif binari kepada JSON.

Malah, MessagePack seolah -olah mengalahkan BSON dalam setiap cara: ia lebih cepat dan lebih kecil, dan ia lebih serasi JSON daripada BSON. .

Walau bagaimanapun, BSON adalah format yang digunakan oleh MongoDB untuk menyimpan dan mewakili data, jadi jika anda menggunakan pangkalan data NoSQL ini, ada alasan untuk melekatinya.

Sudah tentu, serialisasi bukan sekadar menyimpan data binari. Diberikan, JSON mempunyai matlamat yang berbeza -i.e. Walau bagaimanapun, sedikit perhatian akan mendedahkan bahawa YAML melakukan lebih baik dalam hal ini.

Walau bagaimanapun, spesifikasi YAML sangat besar, terutamanya berbanding dengan spesifikasi JSON. Tetapi ia mesti dikatakan bahawa kerana ia mengandungi lebih banyak jenis data dan ciri.

Sebaliknya, ia tidak boleh diabaikan bahawa kesederhanaan JSON adalah kunci kepada pengangkatannya sebagai format siri yang lain. Ia bergantung kepada bahasa yang telah digunakan secara meluas, JavaScript, dan jika anda tahu atau telah terdedah kepada JS (jika anda berada dalam industri pembangunan web, anda akan tahu tentang JSON).

jadi mengapa tidak menggunakan YAML sekarang? Dalam banyak kes, ini tidak mudah. JSON Masih mempunyai tempat di API Web kerana anda boleh dengan mudah membenamkan kod JSON ke dalam permintaan HTTP (untuk mendapatkan, seperti dalam URL, dan jawatan, seperti dalam penghantaran borang): Format ini akan memberitahu anda jika pemindahan tiba -tiba terganggu , kerana kod tersebut secara automatik akan menyebabkan tidak sah, yang mungkin tidak berlaku dengan YAML dan format teks biasa yang bersaing. Di samping itu, anda masih perlu berinteraksi dengan kod API dan warisan berasaskan JSON pada satu ketika, dan mengekalkan dua coretan kod (kaedah JSON dan YAML) untuk tujuan yang sama (siri data) sentiasa menjadi perkara yang menyakitkan.

Tetapi sekali lagi, bahagian -bahagian ini adalah sama seperti hujah yang mendorong kita ke belakang dan menghalang kita daripada mengadopsi teknologi yang lebih baru dan lebih cekap (mis. Python 3 bukannya Python 2). Saya pernah berfikir seminit bahawa kita pengaturcara dan usahawan adalah inovator, bukan?

Soalan Lazim mengenai Serialization Data dan Alternatif JSON

Apakah perbezaan utama antara JSON dan YAML?

json dan yaml adalah kedua -dua format siri data, tetapi mereka mempunyai beberapa perbezaan utama. JSON adalah subset JavaScript dan sering digunakan dalam aplikasi web kerana keserasiannya dengan JavaScript. Ia menggunakan sintaks mudah dan mudah dibaca dan ditulis. Walau bagaimanapun, ia tidak mempunyai beberapa ciri seperti komen dan rentetan berbilang baris. Yaml, sebaliknya, adalah superset JSON dan mempunyai sintaks yang lebih manusia. Ia menyokong komen dan rentetan berbilang baris, menjadikannya lebih mudah digunakan sebagai fail konfigurasi. Walau bagaimanapun, ia lebih kompleks daripada JSON dan tidak disokong secara meluas sebagai JSON.

Bagaimanakah BSON membandingkan dengan JSON dan YAML?

bson atau binari JSON adalah perwakilan binari dokumen kelas JSON. Ia direka untuk menjadi cekap di ruang angkasa, dan ia juga benar dalam senario intensif seperti penghantaran rangkaian. BSON boleh menyimpan lebih banyak jenis data daripada JSON, termasuk jenis data binari dan tarikh. Walau bagaimanapun, ia tidak boleh dibaca seperti JSON atau YAML dan digunakan terutamanya untuk menyimpan dan mengambil data di MongoDB.

Apa itu MessagePack, dan bagaimanakah ia dibandingkan dengan format siri data lain?

MessagePack adalah format bersiri binari seperti JSON tetapi lebih efisien. Ia padat, cepat dan menyokong pelbagai jenis data. Ia sering digunakan dalam aplikasi yang memerlukan prestasi tinggi, seperti aplikasi streaming masa nyata. Walau bagaimanapun, seperti BSON, ia tidak boleh dibaca seperti JSON atau YAML.

Apakah alternatif lain kepada JSON?

Ya, terdapat beberapa alternatif lain untuk JSON, termasuk XML, Protobuf, dan Avro. XML adalah bahasa markup yang boleh dibaca manusia yang menyokong struktur data yang kompleks, tetapi ia lebih verbose daripada JSON. Protobuf atau buffer protokol adalah format siri binari yang dibangunkan oleh Google, yang padat dan cepat, tetapi tidak boleh dibaca. Avro adalah format siri binari yang dibangunkan oleh Apache yang menyokong evolusi corak untuk menjadikannya sesuai untuk penyimpanan data jangka panjang.

Format Serialization Data apa yang harus saya gunakan?

Pemilihan format bersiri data bergantung kepada keperluan khusus anda. Jika anda memerlukan format yang boleh dibaca dan mudah digunakan oleh manusia, maka JSON atau YAML mungkin pilihan terbaik. Jika anda memerlukan format yang padat dan pantas, maka MessagePack atau BSON mungkin lebih sesuai. Jika anda memerlukan format yang menyokong evolusi corak, Avro mungkin pilihan terbaik. Sebelum membuat keputusan, adalah penting untuk memahami kebaikan dan keburukan setiap format.

Bolehkah saya menggunakan pelbagai format serialisasi data dalam aplikasi yang sama?

Ya, pelbagai format siri data boleh digunakan dalam aplikasi yang sama. Sebagai contoh, anda boleh menggunakan JSON untuk menukar data antara klien dan pelayan dan menggunakan BSON untuk menyimpan data di MongoDB. Walau bagaimanapun, dengan menggunakan pelbagai format dapat meningkatkan kerumitan permohonan anda, jadi pastikan untuk menimbang kebaikan dan keburukan dengan teliti.

Bagaimana untuk menukar data antara format siri yang berbeza?

Terdapat beberapa perpustakaan dan alat yang boleh digunakan untuk menukar data antara format siri yang berbeza. Sebagai contoh, anda boleh menggunakan modul JSON dalam Python untuk menukar data antara objek JSON dan Python, atau menggunakan modul YAML untuk menukar data antara objek YAML dan Python. Terdapat juga beberapa alat dalam talian, seperti JSON2YAML, yang boleh digunakan untuk menukar data antara JSON dan YAML.

Apakah kesan prestasi yang akan disebabkan oleh menggunakan format siri data yang berbeza?

Kesan prestasi menggunakan format serasi data yang berbeza mungkin berbeza dengan kes penggunaan. Format binari seperti BSON dan MessagePack sering lebih cepat dan lebih padat daripada format berasaskan teks seperti JSON dan YAML. Walau bagaimanapun, mereka kurang dibaca daripada manusia, yang mungkin membuat debug lebih sukar. Prestasi perpustakaan dan alat yang digunakan untuk bersiri dan data deserialize juga harus dipertimbangkan.

Apakah langkah berjaga -jaga keselamatan semasa menggunakan format siri data?

Ya, terdapat beberapa langkah berjaga -jaga keselamatan apabila menggunakan format siri data. Sebagai contoh, jika sesetengah format seperti JSON dan YAML tidak dibersihkan dengan betul, mereka boleh melaksanakan kod sewenang -wenang, yang boleh membawa kepada kelemahan keselamatan. Pastikan anda menggunakan perpustakaan dan alat yang dipercayai untuk bersiri dan deserialize data dan membersihkan mana-mana data yang disediakan pengguna.

Bagaimana untuk mengetahui lebih lanjut mengenai format siri data?

Terdapat banyak sumber dalam talian untuk membantu anda mengetahui lebih lanjut mengenai format siri data. Anda boleh memulakan dengan membaca dokumen rasmi dalam setiap format, yang biasanya mengandungi tutorial dan contoh. Terdapat juga banyak tutorial dan artikel di laman web seperti Stack Overflow dan Medium. Akhirnya, anda boleh mencuba format yang berbeza dalam projek anda sendiri untuk mendapatkan pengalaman tangan.

Atas ialah kandungan terperinci Perbandingan Serialization Data: JSON, YAML, BSON, MessagePack. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!