數據序列化比較：JSON，YAML，BSON，MessagePack

網絡數據交換的實際標準是 JSON (JavaScript 對象表示法)，但它也存在缺點，在某些情況下，其他格式可能更適用。本文將比較各種替代方案的優缺點，包括易用性和性能。

注意：本文不會詳細介紹實現細節，但如果您是 Ruby 程序員，請查看 Dhaivat 編寫的這篇文章，文章介紹了在 Ruby 中實現一些序列化格式的方法。

關鍵要點

• JSON (JavaScript 對象表示法) 是最廣泛使用的用於數據序列化的格式，它提供人類可讀的代碼、簡單的規範和廣泛的支持。但是，它也有一些局限性，尤其是在編碼二進制數據時。
• BSON (二進制 JSON) 是 JSON 類文檔的二進制編碼序列化。它提供方便的二進制信息存儲，旨在進行快速的內存操作，並且是 MongoDB 的主要數據表示形式。但是，在序列化時，它可能比 JSON 更昂貴。
• MessagePack 是一種用於序列化的二進制格式，旨在實現高效的網絡傳輸。在速度和大小方面，它通常優於 BSON，並且提供更好的 JSON 兼容性。
• YAML (YAML 不是標記語言) 是一種用於序列化的純文本格式，它提供人類可讀的代碼和緊湊的代碼。它特別適用於查看和編輯數據結構。但是，它的規範比 JSON 的規範大得多，因此更複雜。

什麼是數據序列化

根據維基百科的定義，序列化是：

將數據結構或對象狀態轉換為可以存儲（例如，存儲在文件或內存緩衝區中，或通過網絡連接鏈路傳輸）並在以後在相同或其他計算機環境中重建的格式的過程。

假設您想收集關於一群人的某些數據——姓名、姓氏、暱稱、出生日期、他們演奏的樂器。您可以輕鬆地設置一個電子表格，定義一些列，並將每一行作為一個條目。您可以更進一步，定義出生日期列必須是一個數字，並且樂器列可以是一個選項列表。它看起來像這樣：

姓名 姓氏 出生日期 暱稱 樂器 William Bailey 1962 Axl Rose vocals, piano Saul Hudson 1965 Slash guitar

或多或少，您在那裡所做的是定義一個數據結構；如果您只需要電子表格格式，那麼您會做得很好。問題是，如果您想與數據庫或網站交換此信息，那麼即使底層語義總體上相同，這些數據結構在這些其他平台上的實現機制也會大相徑庭。您不能只將電子表格插入 Web 應用程序，除非該應用程序已為此專門設計。除非您有某種導出工具或網關，否則您無法將信息從網站傳輸到數據庫。

讓我們假設我們的網站已經在其內部邏輯中實現了這些數據結構，並且它根本無法處理電子表格格式。為了解決這些問題，您可以將這些數據結構轉換為一種易於在不同應用程序、架構或其他內容之間共享的格式：您將它們序列化。通過這樣做，您可以確保不僅可以跨平台傳輸這些數據，而且可以在稱為反序列化的反向過程中重建它們。此外，如果從網站交換回電子表格，您將獲得原始對象的語義上相同的克隆——也就是說，看起來與您最初發送的行完全相同的行。

簡而言之：序列化數據是找到某種易於在不同應用程序之間共享的通用格式。

格式

JSON

JSON (JavaScript 對象表示法) 是一種輕量級的數據交換格式。它易於人類閱讀和編寫；它易於機器解析和生成。

JSON 是最廣泛使用的數據序列化格式，它具有以下特性：

• （大部分）人類可讀的代碼：即使代碼已被模糊處理或縮小，您也可以始終使用 JSONLint 等工具對其進行縮進並使其再次可讀。
• 非常簡單直接的規範：整個規範的摘要可以放在一頁紙上（如 JSON 網站上顯示的那樣）。
• 廣泛的支持：不僅每種編程語言或 IDE 都帶有 JSON 支持，而且許多 Web 服務 API 也提供 JSON 作為數據交換的一種方式。
• 作為 JavaScript 的子集，它支持以下 JavaScript 數據類型：
  • 字符串
  • 數字
  • 對象
  • 數組
  • true 和 false
  • null

以下是我們的先前電子表格在 JSON 中序列化後的樣子：

<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

BSON，即二進制 JSON，是 JSON 類文檔的二進制編碼序列化……它還包含允許表示不屬於 JSON 規範的數據類型的擴展。

JSON 是一種純文本格式，雖然二進制數據可以編碼為文本，但這有一定的局限性，並且會使 JSON 文件非常大。 BSON 用於處理這些問題。

它具有以下特性：

• 方便的二進制信息存儲：更適合交換圖像和附件
• 旨在進行快速的內存操作
• 簡單規範：與 JSON 一樣，BSON 也有一個非常簡短和簡單的規範
• MongoDB 的主要數據表示形式：BSON 旨在易於遍歷
• 額外的數據類型：
  • 雙精度（64 位 IEEE 754 浮點數）
  • 日期（自 Unix 紀元以來的毫秒數）
  • 字節數組（二進制數據）
  • BSON 對象和 BSON 數組
  • JavaScript 代碼
  • MD5 二進制數據
  • 正則表達式

MessagePack

它類似於 JSON。但速度更快，體積更小。

MessagePack（也稱為 msgpack）是另一種用於序列化的二進制格式。不像 BSON 那麼出名，但值得一看。

其特性包括：

• 旨在實現高效的網絡傳輸
• 比 BSON 更好的 JSON 兼容性：正如 Sadayuki Furuhashi 在這篇 Stack Overflow 帖子中解釋的那樣
• 比 BSON 更小：它的開銷比 BSON 更小，並且大多數情況下可以序列化更小的對象
• 類型檢查：它支持靜態類型
• 流式 API：支持流式反序列化器，這對於網絡通信非常有用。

YAML

YAML：YAML 不是標記語言。它是什麼：YAML 是一種適用於所有編程語言的人性化數據序列化標準。

回到純文本格式，YAML 是 JSON 的一種替代方案：

• （真正）人類可讀的代碼：YAML 的可讀性如此之高，以至於即使其首頁內容也以 YAML 顯示以說明這一點
• 緊湊的代碼：使用空格縮進表示結構，無需引號或括號
• 關係數據的語法：允許使用錨點（&）和別名（*）進行內部引用
• 特別適用於查看/編輯數據結構：例如配置文件、調試期間的轉儲和文檔標題
• 一組豐富的與語言無關的類型：
  • 集合：
    • 無序鍵集（!!map）
    • 有序鍵序列（!!omap）
    • 有序鍵序列（!!pairs）
    • 不相等值的無序集（!!set）
    • 任意值的序列（!!seq）
  • 標量類型：
    • 空值（~，null）
    • 十進制 (1234)、十六進制 (0x4D2) 和八進制 (02333) 整數
    • 固定 (1_230.15) 和指數 (12.3015e 02) 浮點數
    • 無窮大 (.inf, -.Inf) 和非數字 (.NAN)
    • true (Y, true, Yes, ON) 和 false (n, FALSE, No, off)
    • 使用 base64 編碼的二進制 (!!binary)
    • 時間戳 (!!timestamp)。

以下是我們的電子表格在 YAML 中序列化後的樣子：

<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>

其他格式

還有許多其他序列化格式，例如 Protocol Buffers (protobuf，也是二進制格式)，我已經（以相當隨意的方式）省略了。如果您只想了解所有可能的格式，請查看維基百科關於數據序列化格式比較的內容。

……HDF5？

我們在這裡會稍微偏離主題一點。分層數據格式版本 5 (HDF5) 並不是真正用於序列化，而是用於存儲，並且它正在席捲數據科學和其他行業。它是一種非常快速且通用的格式，不僅可以用於存儲許多數據結構，還可以用作關係數據庫的替代品。

為了結束這段插曲，讓我們只提一下，如果您正在使用 BSON 和 MessagePack 等二進制格式來存儲/交換大量信息，您可能非常想看看 HDF5。

基準測試和比較

出現的一種模式是，BSON 在序列化時可能比 JSON 更昂貴，但在反序列化時更快；並且 MessagePack 在任何操作上都比兩者都快。此外，由於其開銷，儘管是二進制格式，但在存儲非二進制數據時，BSON 文件有時可能比 JSON 文件更大。一些可以參考的鏈接：

• Maxim Novak 在 M@X on DEV 上進行的序列化性能比較（C#/.NET）。
• Ilya Grigorik 在 ivita.com 上發表的 Protocol Buffers、Avro、Thrift 和 MessagePack。
• Karlin Fox 在 Atomic Object 上撰寫的二進制序列化之旅指南。
• Matthew Rocklin 撰寫的有效存儲 Pandas DataFrame。
• Wesley Tanaka 撰寫的 MessagePack 與 JSON 與 BSON 的比較。

還值得注意的是，即使對於相同的格式，性能也可能取決於您選擇的序列化器和解析器。

備註和評論

雖然聽起來很傻，但 BSON 具有名稱的優勢：人們會自動將 MongoDB 開發的格式 (BSON) 與標準 (JSON) 關聯起來，它們之間並沒有關聯。因此，在搜索 JSON 的二進制替代方案時，您也可以考慮其他選項。

事實上，MessagePack 似乎在各個方面都優於 BSON：它更快、更小，而且它甚至比 BSON 更兼容 JSON。 （事實上，如果您已經在使用 JSON，MessagePack 幾乎是一個即插即用的優化。）也許作為一名“記者”，我應該更平衡一些，但作為一名開發人員，這毫無疑問。

儘管如此，BSON 是 MongoDB 用於存儲和表示數據的格式，因此如果您正在使用這個 NoSQL 數據庫，那麼堅持使用它是有原因的。

當然，序列化不僅僅是關於存儲二進制數據。誠然，JSON 的目標不同——即“人類可讀”。但是，稍微注意一下就會發現 YAML 在這方面做得更好。

但是，YAML 規範非常龐大，特別是與 JSON 的規範相比。但可以說，它必須如此，因為它包含更多的數據類型和特性。

另一方面，不能忽視的是，JSON 的簡單性在其被採用作為其他序列化格式的關鍵作用。它依賴於一種已經存在的廣泛使用的語言 JavaScript，如果您了解或接觸過 JS（如果您在 Web 開發行業，您就會了解），那麼您就已經了解 JSON 了。

那麼為什麼現在不採用 YAML 呢？在許多情況下，這並不容易。 JSON 仍然在Web API 中佔有一席之地，因為您可以輕鬆地將JSON 代碼嵌入HTTP 請求中（對於GET，如在URL 中，以及POST，如在發送表單中）：該格式會讓您知道傳輸是否突然中斷，因為代碼將自動呈現無效，而YAML 和其他競爭性純文本格式可能並非如此。此外，您仍然需要在某個時刻與基於 JSON 的 API 和遺留代碼進行交互，並且維護相同目的（數據序列化）的兩個代碼片段（JSON 和 YAML 方法）始終是一件痛苦的事情。

但話又說回來，這些部分上與推動我們倒退並阻止我們採用更新、更高效的技術（例如：Python 3 而不是 Python 2）的論點相同。我曾經想過一分鐘，我們程序員和企業家是創新者，不是嗎？

關於數據序列化和 JSON 替代方案的常見問題

JSON 和 YAML 之間的主要區別是什麼？

JSON 和 YAML 都是數據序列化格式，但它們有一些關鍵區別。 JSON 是 JavaScript 的一個子集，由於其與 JavaScript 的兼容性，因此經常在 Web 應用程序中使用。它使用簡單的語法，易於閱讀和編寫。但是，它缺少一些功能，例如註釋和多行字符串。另一方面，YAML 是 JSON 的超集，並且具有更人性化的語法。它支持註釋和多行字符串，使其更易於用作配置文件。但是，它比 JSON 更複雜，並且支持度不如 JSON 廣泛。

BSON 與 JSON 和 YAML 相比如何？

BSON 或二進制 JSON 是 JSON 類文檔的二進製表示。它旨在在空間上高效，而且在計算密集型場景（如網絡傳輸）中也是如此。 BSON 可以存儲比 JSON 更多的數據類型，包括二進制和日期數據類型。但是，它不如 JSON 或 YAML 人類可讀，並且主要用於 MongoDB 中存儲和檢索數據。

什麼是 MessagePack，它與其他數據序列化格式相比如何？

MessagePack 是一種類似於 JSON 但更高效的二進制序列化格式。它緊湊、快速，並支持各種數據類型。它經常用於對性能要求很高的應用程序中，例如實時流式應用程序。但是，與 BSON 一樣，它不如 JSON 或 YAML 人類可讀。

JSON 的其他替代方案有哪些？

是的，JSON 有幾種其他替代方案，包括 XML、Protobuf 和 Avro。 XML 是一種人類可讀的標記語言，支持複雜的數據結構，但它比 JSON 更冗長。 Protobuf 或 Protocol Buffers 是一種由 Google 開發的二進制序列化格式，它緊湊且快速，但不可讀。 Avro 是一種由 Apache 開發的二進制序列化格式，支持模式演變，使其適合長期數據存儲。

我應該使用哪種數據序列化格式？

數據序列化格式的選擇取決於您的具體需求。如果您需要一種人類可讀且易於使用的格式，那麼 JSON 或 YAML 可能是最佳選擇。如果您需要一種緊湊且快速的格式，那麼 MessagePack 或 BSON 可能更合適。如果您需要一種支持模式演變的格式，那麼 Avro 可能是最佳選擇。在做出決定之前，了解每種格式的優缺點非常重要。

我可以在同一個應用程序中使用多種數據序列化格式嗎？

是的，可以在同一個應用程序中使用多種數據序列化格式。例如，您可以使用 JSON 在客戶端和服務器之間進行數據交換，並使用 BSON 在 MongoDB 中存儲數據。但是，使用多種格式可能會增加應用程序的複雜性，因此務必仔細權衡利弊。

如何在不同的序列化格式之間轉換數據？

有幾個庫和工具可以用於在不同的序列化格式之間轉換數據。例如，您可以使用 Python 中的 json 模塊在 JSON 和 Python 對象之間轉換數據，或者使用 yaml 模塊在 YAML 和 Python 對象之間轉換數據。還有一些在線工具，例如 json2yaml，可以用於在 JSON 和 YAML 之間轉換數據。

使用不同的數據序列化格式會帶來哪些性能影響？

使用不同的數據序列化格式的性能影響可能因具體用例而異。像 BSON 和 MessagePack 這樣的二進制格式通常比 JSON 和 YAML 等基於文本的格式更快、更緊湊。但是，它們不如人類可讀，這可能會使調試更加困難。還必須考慮用於序列化和反序列化數據的庫和工具的性能。

使用數據序列化格式時有哪些安全注意事項？

是的，使用數據序列化格式時，有一些安全注意事項。例如，如果 JSON 和 YAML 等某些格式未正確清理，則它們可以執行任意代碼，這可能會導致安全漏洞。務必使用受信任的庫和工具來序列化和反序列化數據，並清理任何用戶提供的數據。

如何了解更多關於數據序列化格式的信息？

在線有許多資源可以幫助您了解更多關於數據序列化格式的信息。您可以從閱讀每種格式的官方文檔開始，這些文檔通常包含教程和示例。在 Stack Overflow 和 Medium 等網站上還有許多教程和文章。最後，您可以在自己的項目中嘗試不同的格式以獲得實踐經驗。

以上是數據序列化比較：JSON，YAML，BSON，MessagePack的詳細內容。更多資訊請關注PHP中文網其他相關文章！