Protobuf 有沒有比 JSON 快 5 倍？
拿 JSON 襯托 Protobuf 的文章真的太多了，經常可以看到文章中寫道：“快來用 Protobuf 吧，JSON 太慢啦”。但是 Protobuf 真的有吹的那么牛么？我覺得從 JSON 切換到 Protobuf 怎么也得快一倍吧，要不然對不起付出的切換成本。然而，DSL-JSON 的家伙們居然說在Java語言里 JSON 和那些二進制的編解碼格式有得一拼（ https://blog.dsl-platform.com/improving-java-json-speed/ ），這太讓人驚訝了！雖然你可能會說，咱們能不用蘋果和梨來做比較了么？兩個東西根本用途完全不一樣好么。咱們用 Protobuf 是沖著跨語言無歧義的 IDL 的去的，才不僅僅是因為性能呢。好吧，這個我同意。但是仍然有那么多人盲目相信，Protobuf 一定會快很多，我覺得還是有必要徹底終結一下這個關于速度的傳說。
DSL-JSON 的博客里只給了他們的測試結論，但是沒有給出任何原因，以及優化的細節。這很難讓人信服數據是真實的。你要說 JSON 比二進制格式更快，真的是很反直覺的事情。稍微琢磨一下這個問題，就可以列出好幾個 Protobuf 應該更快的理由：
- 更容容易綁定值到對象的字段上。JSON 的字段是用字符串指定的，相比之下字符串比對應該比基于數字的字段tag更耗時。
- JSON 是文本的格式，整數和浮點數應該更占空間而且更費時。
- Protobuf 在正文前有一個大小或者長度的標記，而 JSON 必須全文掃描無法跳過不需要的字段。
但是僅憑這幾點是不是就可以蓋棺定論了呢？未必，也有相反的觀點：
- 如果字段大部分是字符串，占到決定性因素的因素可能是字符串拷貝的速度，而不是解析的速度。在這個評測中（ https://github.com/fabienrenaud/java-json-benchmark ），我們看到不少庫的性能是非常接近的。這是因為測試數據中大部分是由字符串構成的。
- 影響解析速度的決定性因素是分支的數量。因為分支的存在，解析仍然是一個本質上串行的過程。雖然Protobuf里沒有[] 或者 {}，但是仍然有類似的分支代碼的存在。如果沒有這些分支的存在，解析不過就是一個 memcpy 的操作而已。只有 Parabix 這樣的技術才有革命性的意義，而 Protobuf 相比 JSON 只是改良而非革命。
- 也許 Protobuf 是一個理論上更快的格式，但是實現它的庫并不一定就更快。這取決于優化做得好不好，如果有不必要的內存分配或者重復讀取，實際的速度未必就快。
有多個 benchmark 都把 DSL-JSON列到前三名里，有時甚至比其他的二進制編碼更快。經過我仔細分析，原因出在了這些 benchmark 對于測試數據的構成選擇上。因為構造測試數據很麻煩，所以一般評測只會對 相同的測試數據 ，去測不同的庫的實現。這樣就使得結果是嚴重傾向于某種類型輸入的。比如 https://github.com/eishay/jvm-serializers/wiki 選擇的測試數據的結構是這樣的
message Image {
required string uri = 1; //url to the thumbnail
optional string title = 2; //used in the html ALT
required int32 width = 3; // of the image
required int32 height = 4; // of the image
enum Size {
SMALL = 0;
LARGE = 1;
}
required Size size = 5; // of the image (in relative terms, provided by cnbc for example)
}
message Media {
required string uri = 1; //uri to the video, may not be an actual URL
optional string title = 2; //used in the html ALT
required int32 width = 3; // of the video
required int32 height = 4; // of the video
required string format = 5; //avi, jpg, 油Tube, cnbc, audio/mpeg formats ...
required int64 duration = 6; //time in miliseconds
required int64 size = 7; //file size
optional int32 bitrate = 8; //video
repeated string person = 9; //name of a person featured in the video
enum Player {
JAVA = 0;
FLASH = 1;
}
required Player player = 10; //in case of a player specific media
optional string copyright = 11;//media copyright
}
message MediaContent {
repeated Image image = 1;
required Media media = 2;
}
無論怎么去構造 small/medium/large 的輸入，benchmark 仍然是存在特定傾向性的。而且這種傾向性是不明確的。比如 medium 的輸入，到底說明了什么？medium 對于不同的人來說，可能意味著完全不同的東西。所以，在這里我想改變一下游戲的規則。不去選擇一個所謂的最現實的配比，而是構造一些 極端的情況 。這樣，我們可以一目了然的知道，JSON的強項和弱點都是什么。通過把這些缺陷放大出來，我們也就可以對最壞的情況有一個清晰的預期。具體在你的場景下性能差距是怎樣的一個區間內，也可以大概預估出來。
好了，廢話不多說了。JMH 擼起來。benchmark 的對象有以下幾個：
- Jackson： https://github.com/FasterXML/jackson-databind Java 程序里用的最多的 JSON 解析器。benchmark 中開啟了 AfterBurner 的加速特性。
- DSL-JSON： https://github.com/ngs-doo/dsl-json 世界上最快的 Java JSON 實現
- Jsoniter： http://jsoniter.com/index.cn.html 我抄襲 DSL-JSON 寫的實現。 特別申明：我是 Jsoniter 的作者。這里提到的所有關于Jsoniter 的評測數據都不應該被盲目相信 。大部分的性能優化技巧是從 DSL-JSON 中直接抄來的。
- Fastjson： https://github.com/alibaba/fastjson 在中國很流行的 JSON 解析器
- Protobuf： https://github.com/google/protobuf 在 RPC （遠程方法調用）里非常流行的二進制編解碼格式
- Thrift： https://thrift.apache.org 另外一個很流行的 RPC 編解碼格式。這里 benchmark 的是 TCompactProtocol
Decode Integer
先從一個簡單的場景入手。毫無疑問，Protobuf 非常擅長于處理整數
message PbTestObject {
int32 field1 = 1;
}
從結果上看，似乎優勢非常明顯。但是因為只有 1 個整數字段，所以可能整數解析的成本沒有占到大頭。所以，我們把測試調整對象調整為 10 個整數字段。再比比看
syntax = "proto3";
option optimize_for = SPEED;
message PbTestObject {
int32 field1 = 1;
int32 field2 = 2;
int32 field3 = 3;
int32 field4 = 4;
int32 field5 = 5;
int32 field6 = 6;
int32 field7 = 7;
int32 field8 = 8;
int32 field9 = 9;
int32 field10 = 10;
}
這下優勢就非常明顯了。毫無疑問， Protobuf 解析整數的速度是非常快的，能夠達到 Jackson 的 8 倍 。
DSL-JSON 比 Jackson 快很多，它的優化代碼在這里 https://github.com/ngs-doo/dsl-json/blob/master/library/src/main/java/com/dslplatform/json/NumberConverter.java
private static int parsePositiveInt(final byte[] buf, final JsonReader reader, final int start, final int end, int i) throws IOException {
int value = 0;
for (; i < end; i++) {
final int ind = buf[i] - 48;
if (ind < 0 || ind > 9) {
... // abbreviated
}
value = (value << 3) + (value << 1) + ind;
if (value < 0) {
throw new IOException("Integer overflow detected at position: " + reader.positionInStream(end - start));
}
}
return value;
}
整數是直接從輸入的字節里計算出來的，公式是 value = (value << 3) + (value << 1) + ind; 相比讀出字符串，然后調用 Integer.valueOf ，這個實現只遍歷了一遍輸入，同時也避免了內存分配。
Jsoniter 在這個基礎上做了循環展開
... // abbreviated
int i = iter.head;
int ind2 = intDigits[iter.buf[i]];
if (ind2 == INVALID_CHAR_FOR_NUMBER) {
iter.head = i;
return ind;
}
int ind3 = intDigits[iter.buf[++i]];
if (ind3 == INVALID_CHAR_FOR_NUMBER) {
iter.head = i;
return ind * 10 + ind2;
}
int ind4 = intDigits[iter.buf[++i]];
if (ind4 == INVALID_CHAR_FOR_NUMBER) {
iter.head = i;
return ind * 100 + ind2 * 10 + ind3;
}
... // abbreviated
Encode Integer
編碼方面情況如何呢？和編碼一樣的測試數據，測試結果如下：
不知道為啥，Thrift 的序列化特別慢。而且別的 benchmark 里 Thrift 的序列化都是算慢的。我猜測應該是實現里有不夠優化的地方吧，格式應該沒問題。 整數編碼方面，Protobuf 是 Jackson 的 3 倍。 但是和 DSL-JSON 比起來，好像沒有快很多。
這是因為 DSL-JSON 使用了自己的優化方式，和 JDK 的官方實現不一樣 https://github.com/ngs-doo/dsl-json/blob/master/library/src/main/java/com/dslplatform/json/NumberConverter.java
private static int serialize(final byte[] buf, int pos, final int value) {
int i;
if (value < 0) {
if (value == Integer.MIN_VALUE) {
for (int x = 0; x < MIN_INT.length; x++) {
buf[pos + x] = MIN_INT[x];
}
return pos + MIN_INT.length;
}
i = -value;
buf[pos++] = MINUS;
} else {
i = value;
}
final int q1 = i / 1000;
if (q1 == 0) {
pos += writeFirstBuf(buf, DIGITS[i], pos);
return pos;
}
final int r1 = i - q1 * 1000;
final int q2 = q1 / 1000;
if (q2 == 0) {
final int v1 = DIGITS[r1];
final int v2 = DIGITS[q1];
int off = writeFirstBuf(buf, v2, pos);
writeBuf(buf, v1, pos + off);
return pos + 3 + off;
}
final int r2 = q1 - q2 * 1000;
final long q3 = q2 / 1000;
final int v1 = DIGITS[r1];
final int v2 = DIGITS[r2];
if (q3 == 0) {
pos += writeFirstBuf(buf, DIGITS[q2], pos);
} else {
final int r3 = (int) (q2 - q3 * 1000);
buf[pos++] = (byte) (q3 + '0');
writeBuf(buf, DIGITS[r3], pos);
pos += 3;
}
writeBuf(buf, v2, pos);
writeBuf(buf, v1, pos + 3);
return pos + 6;
}
這段代碼的意思是比較令人費解的。不知道哪里就做了數字到字符串的轉換了。過程是這樣的，假設輸入了19823，會被分解為 19 和 823 兩部分。然后有一個 `DIGITS` 的查找表，根據這個表把 19 翻譯為 "19"，把 823 翻譯為 "823"。其中 "823" 并不是三個byte分開來存的，而是把bit放到了一個integer里，然后在 writeBuf 的時候通過位移把對應的三個byte解開的
private static void writeBuf(final byte[] buf, final int v, int pos) {
buf[pos] = (byte) (v >> 16);
buf[pos + 1] = (byte) (v >> 8);
buf[pos + 2] = (byte) v;
}
這個實現比 JDK 自帶的 Integer.toString 更快。因為查找表預先計算好了，節省了運行時的計算成本。
Decode Double
解析 JSON 的 Double 就更慢了。
message PbTestObject {
double field1 = 1;
double field2 = 2;
double field3 = 3;
double field4 = 4;
double field5 = 5;
double field6 = 6;
double field7 = 7;
double field8 = 8;
double field9 = 9;
double field10 = 10;
}
Protobuf 解析 double 是 Jackson 的 13 倍。 毫無疑問，JSON真的不適合存浮點數。
DSL-Json 中對 Double 也是做了特別優化的 https://github.com/ngs-doo/dsl-json/blob/master/library/src/main/java/com/dslplatform/json/NumberConverter.java
private static double parsePositiveDouble(final byte[] buf, final JsonReader reader, final int start, final int end, int i) throws IOException {
long value = 0;
byte ch = ' ';
for (; i < end; i++) {
ch = buf[i];
if (ch == '.') break;
final int ind = buf[i] - 48;
value = (value << 3) + (value << 1) + ind;
if (ind < 0 || ind > 9) {
return parseDoubleGeneric(reader.prepareBuffer(start), end - start, reader);
}
}
if (i == end) return value;
else if (ch == '.') {
i++;
long div = 1;
for (; i < end; i++) {
final int ind = buf[i] - 48;
div = (div << 3) + (div << 1);
value = (value << 3) + (value << 1) + ind;
if (ind < 0 || ind > 9) {
return parseDoubleGeneric(reader.prepareBuffer(start), end - start, reader);
}
}
return value / (double) div;
}
return value;
}
浮點數被去掉了點，存成了 long 類型，然后再除以對應的10的倍數。如果輸入是3.1415，則會變成 31415/10000。
Encode Double
把 double 編碼為文本格式就更困難了。
解碼 double 的時候，Protobuf 是 Jackson 的13 倍。 如果你愿意犧牲精度的話， Jsoniter 可以選擇只保留6位小數。在這個取舍下，可以好一些，但是 Protobuf 仍然是 Jsoniter 的兩倍。
保留6位小數的代碼是這樣寫的。把 double 的處理變成了長整數的處理。
if (val < 0) {
val = -val;
stream.write('-');
}
if (val > 0x4ffffff) {
stream.writeRaw(Double.toString(val));
return;
}
int precision = 6;
int exp = 1000000; // 6
long lval = (long)(val * exp + 0.5);
stream.writeVal(lval / exp);
long fval = lval % exp;
if (fval == 0) {
return;
}
stream.write('.');
if (stream.buf.length - stream.count < 10) {
stream.flushBuffer();
}
for (int p = precision - 1; p > 0 && fval < POW10[p]; p--) {
stream.buf[stream.count++] = '0';
}
stream.writeVal(fval);
while(stream.buf[stream.count-1] == '0') {
stream.count--;
}
到目前來看，我們可以說 JSON 不是為數字設計的。如果你使用的是 Jackson，切換到 Protobuf 的話可以把數字的處理速度提高 10 倍。然而 DSL-Json 做的優化可以把這個性能差距大幅縮小，解碼在 3x ~ 4x 之間，編碼在 1.3x ~ 2x 之間（前提是犧牲 double 的編碼精度）。
因為 JSON 處理 double 非常慢。所以 Jsoniter 提供了一種把 double 的 IEEE 754 的二進制表示（64個bit）用 base64 編碼之后保存的方案。如果希望提高速度，但是又要保持精度，可以使用 Base64FloatSupport.enableEncodersAndDecoders();
long bits = Double.doubleToRawLongBits(number.doubleValue());
Base64.encodeLongBits(bits, stream);
static void encodeLongBits(long bits, JsonStream stream) throws IOException {
int i = (int) bits;
byte b1 = BA[(i >>> 18) & 0x3f];
byte b2 = BA[(i >>> 12) & 0x3f];
byte b3 = BA[(i >>> 6) & 0x3f];
byte b4 = BA[i & 0x3f];
stream.write((byte)'"', b1, b2, b3, b4);
bits = bits >>> 24;
i = (int) bits;
b1 = BA[(i >>> 18) & 0x3f];
b2 = BA[(i >>> 12) & 0x3f];
b3 = BA[(i >>> 6) & 0x3f];
b4 = BA[i & 0x3f];
stream.write(b1, b2, b3, b4);
bits = (bits >>> 24) << 2;
i = (int) bits;
b1 = BA[i >> 12];
b2 = BA[(i >>> 6) & 0x3f];
b3 = BA[i & 0x3f];
stream.write(b1, b2, b3, (byte)'"');
}
對于 0.123456789 就變成了 "OWNfmt03P78"
Decode Object
我們已經看到了 JSON 在處理數字方面的笨拙丑態了。在處理對象綁定方面，是不是也一樣不堪？前面的 benchmark 結果那么差和按字段做綁定是不是有關系？畢竟我們有 10 個字段要處理那。這就來看看在處理字段方面的效率問題。
為了讓比較起來公平一些，我們使用很短的 ascii 編碼的字符串作為字段的值。這樣字符串拷貝的成本大家都差不到哪里去。所以性能上要有差距，必然是和按字段綁定值有關系。
message PbTestObject {
string field1 = 1;
}
如果只有一個字段，Protobuf 是 Jackson 的 2.5 倍。 但是比 DSL-JSON 要慢。
我們再把同樣的實驗重復幾次，分別對應 5 個字段，10個字段的情況。
message PbTestObject {
string field1 = 1;
string field2 = 2;
string field3 = 3;
string field4 = 4;
string field5 = 5;
}
在有 5 個字段的情況下，Protobuf 僅僅是 Jackson 的 1.3x 倍。 如果你認為 JSON 對象綁定很慢，而且會決定 JSON 解析的整體性能。對不起，你錯了。
message PbTestObject {
string field1 = 1;
string field2 = 2;
string field3 = 3;
string field4 = 4;
string field5 = 5;
string field6 = 6;
string field7 = 7;
string field8 = 8;
string field9 = 9;
string field10 = 10;
}
把字段數量加到了 10 個之后，Protobuf 僅僅是 Jackson 的 1.22 倍了。 看到這里，你應該懂了吧。
Protobuf 在處理字段綁定的時候，用的是 switch case：
boolean done = false;
while (!done) {
int tag = input.readTag();
switch (tag) {
case 0:
done = true;
break;
default: {
if (!input.skipField(tag)) {
done = true;
}
break;
}
case 10: {
java.lang.String s = input.readStringRequireUtf8();
field1_ = s;
break;
}
case 18: {
java.lang.String s = input.readStringRequireUtf8();
field2_ = s;
break;
}
case 26: {
java.lang.String s = input.readStringRequireUtf8();
field3_ = s;
break;
}
case 34: {
java.lang.String s = input.readStringRequireUtf8();
field4_ = s;
break;
}
case 42: {
java.lang.String s = input.readStringRequireUtf8();
field5_ = s;
break;
}
}
}
這個實現比 Hashmap 來說，僅僅是稍微略快而已。DSL-JSON 的實現是先 hash，然后也是類似的分發的方式：
switch(nameHash) {
case 1212206434:
_field1_ = com.dslplatform.json.StringConverter.deserialize(reader);
nextToken = reader.getNextToken();
break;
case 1178651196:
_field3_ = com.dslplatform.json.StringConverter.deserialize(reader);
nextToken = reader.getNextToken();
break;
case 1195428815:
_field2_ = com.dslplatform.json.StringConverter.deserialize(reader);
nextToken = reader.getNextToken();
break;
case 1145095958:
_field5_ = com.dslplatform.json.StringConverter.deserialize(reader);
nextToken = reader.getNextToken();
break;
case 1161873577:
_field4_ = com.dslplatform.json.StringConverter.deserialize(reader);
nextToken = reader.getNextToken();
break;
default:
nextToken = reader.skip();
break;
}
使用的 hash 算法是 FNV-1a。
long hash = 0x811c9dc5;
while (ci < buffer.length) {
final byte b = buffer[ci++];
if (b == '"') break;
hash ^= b;
hash *= 0x1000193;
}
是 hash 就會碰撞，所以用起來需要小心。如果輸入很有可能包含未知的字段，則需要放棄速度選擇匹配之后再查一下字段是不是嚴格相等的。 Jsoniter 有一個解碼模式 DYNAMIC_MODE_AND_MATCH_FIELD_STRICTLY，它可以產生下面這樣的嚴格匹配的代碼：
switch (field.len()) {
case 6:
if (field.at(0) == 102 &&
field.at(1) == 105 &&
field.at(2) == 101 &&
field.at(3) == 108 &&
field.at(4) == 100) {
if (field.at(5) == 49) {
obj.field1 = (java.lang.String) iter.readString();
continue;
}
if (field.at(5) == 50) {
obj.field2 = (java.lang.String) iter.readString();
continue;
}
if (field.at(5) == 51) {
obj.field3 = (java.lang.String) iter.readString();
continue;
}
if (field.at(5) == 52) {
obj.field4 = (java.lang.String) iter.readString();
continue;
}
if (field.at(5) == 53) {
obj.field5 = (java.lang.String) iter.readString();
continue;
}
}
break;
}
iter.skip();
即便是嚴格匹配，速度上也是有保證的。DSL-JSON 也有選項，可以在 hash 匹配之后額外加一次字符串 equals 檢查。
關于對象綁定來說，只要字段名不長，基于數字的 tag 分發并不會比 JSON 具有明顯優勢，即便是相比最慢的 Jackson 來說也是如此。
Encode Object
廢話不多說了，直接比較一下三種字段數量情況下，編碼的速度
只有 1 個字段
有 5 個字段
有 10 個字段
對象編碼方面，Protobuf 是 Jackson 的 1.7 倍。 但是速度其實比 DSL-Json 還要慢。
優化對象編碼的方式是，一次性盡可能多的把控制類的字節寫出去。
public void encode(Object obj, com.jsoniter.output.JsonStream stream) throws java.io.IOException {
if (obj == null) { stream.writeNull(); return; }
stream.write((byte)'{');
encode_((com.jsoniter.benchmark.with_1_string_field.TestObject)obj, stream);
stream.write((byte)'}');
}
public static void encode_(com.jsoniter.benchmark.with_1_string_field.TestObject obj, com.jsoniter.output.JsonStream stream) throws java.io.IOException {
boolean notFirst = false;
if (obj.field1 != null) {
if (notFirst) { stream.write(','); } else { notFirst = true; }
stream.writeRaw("\"field1\":", 9);
stream.writeVal((java.lang.String)obj.field1);
}
}
可以看到我們把 "field1": 作為一個整體寫出去了。如果我們知道字段是非空的，則可以進一步的把字符串的雙引號也一起合并寫出去。
public void encode(Object obj, com.jsoniter.output.JsonStream stream) throws java.io.IOException {
if (obj == null) { stream.writeNull(); return; }
stream.writeRaw("{\"field1\":\"", 11);
encode_((com.jsoniter.benchmark.with_1_string_field.TestObject)obj, stream);
stream.write((byte)'\"', (byte)'}');
}
public static void encode_(com.jsoniter.benchmark.with_1_string_field.TestObject obj, com.jsoniter.output.JsonStream stream) throws java.io.IOException {
com.jsoniter.output.CodegenAccess.writeStringWithoutQuote((java.lang.String)obj.field1, stream);
}
從對象的編解碼的 benchmark 結果可以看出，Protobuf 在這個方面僅僅比 Jackson 略微強一些，而比 DSL-Json 要慢。
Decode Integer List
Protobuf 對于整數列表有特別的支持，可以打包存儲
22 // tag (field number 4, wire type 2)
06 // payload size (6 bytes)
03 // first element (varint 3)
8E 02 // second element (varint 270)
9E A7 05 // third element (varint 86942)
設置 [packed=true]
message PbTestObject {
repeated int32 field1 = 1 [packed=true];
}
對于整數列表的解碼，Protobuf 是 Jackson 的 3 倍。 然而比 DSL-Json 的優勢并不明顯。
在 Jsoniter 里，解碼的循環被展開了：
public static java.lang.Object decode_(com.jsoniter.JsonIterator iter) throws java.io.IOException {
java.util.ArrayList col = (java.util.ArrayList)com.jsoniter.CodegenAccess.resetExistingObject(iter);
if (iter.readNull()) { com.jsoniter.CodegenAccess.resetExistingObject(iter); return null; }
if (!com.jsoniter.CodegenAccess.readArrayStart(iter)) {
return col == null ? new java.util.ArrayList(0): (java.util.ArrayList)com.jsoniter.CodegenAccess.reuseCollection(col);
}
Object a1 = java.lang.Integer.valueOf(iter.readInt());
if (com.jsoniter.CodegenAccess.nextToken(iter) != ',') {
java.util.ArrayList obj = col == null ? new java.util.ArrayList(1): (java.util.ArrayList)com.jsoniter.CodegenAccess.reuseCollection(col);
obj.add(a1);
return obj;
}
Object a2 = java.lang.Integer.valueOf(iter.readInt());
if (com.jsoniter.CodegenAccess.nextToken(iter) != ',') {
java.util.ArrayList obj = col == null ? new java.util.ArrayList(2): (java.util.ArrayList)com.jsoniter.CodegenAccess.reuseCollection(col);
obj.add(a1);
obj.add(a2);
return obj;
}
Object a3 = java.lang.Integer.valueOf(iter.readInt());
if (com.jsoniter.CodegenAccess.nextToken(iter) != ',') {
java.util.ArrayList obj = col == null ? new java.util.ArrayList(3): (java.util.ArrayList)com.jsoniter.CodegenAccess.reuseCollection(col);
obj.add(a1);
obj.add(a2);
obj.add(a3);
return obj;
}
Object a4 = java.lang.Integer.valueOf(iter.readInt());
java.util.ArrayList obj = col == null ? new java.util.ArrayList(8): (java.util.ArrayList)com.jsoniter.CodegenAccess.reuseCollection(col);
obj.add(a1);
obj.add(a2);
obj.add(a3);
obj.add(a4);
while (com.jsoniter.CodegenAccess.nextToken(iter) == ',') {
obj.add(java.lang.Integer.valueOf(iter.readInt()));
}
return obj;
}
對于成員比較少的情況，這樣搞可以避免數組的擴容帶來的內存拷貝。
Encode Integer List
Protobuf 在編碼數組的時候應該有優勢，不用寫那么多逗號出來嘛。
Protobuf 在編碼整數列表的時候，僅僅是 Jackson 的 1.35 倍。 雖然 Protobuf 在處理對象的整數字段的時候優勢明顯，但是在處理整數的列表時卻不是如此。在這個方面，DSL-Json 沒有特殊的優化，性能的提高純粹只是因為單個數字的編碼速度提高了。
Decode Object List
列表經常用做對象的容器。測試這種兩種容器組合嵌套的場景，也很有代表意義。
message PbTestObject {
message ElementObject {
string field1 = 1;
}
repeated ElementObject field1 = 1;
}
Protobuf 處理對象列表是 Jackson 的 1.3 倍。 但是不及 DSL-JSON。
Encode Object List
Protobuf 處理對象列表的編碼速度是 Jackson 的 2 倍。 但是 DSL-JSON 仍然比 Protobuf 更快。似乎 Protobuf 在處理列表的編碼解碼方面優勢不明顯。
Decode Double Array
Java 的數組有點特殊，double[] 是比 List<Double> 更高效的。使用 double 數組來代表時間點上的值或者坐標是非常常見的做法。然而，Protobuf 的 Java 庫沒有提供double[] 的支持，repeated 總是使用 List<Double>。我們可以預期 JSON 庫在這里有一定的優勢。
message PbTestObject {
repeated double field1 = 1 [packed=true];
}
Protobuf 在處理 double 數組方面，Jackson 與之的差距被縮小為 5 倍。 Protobuf 與 DSL-JSON 相比，優勢已經不明顯了。所以如果你有很多的 double 數值需要處理，這些數值必須是在對象的字段上，才會引起性能的巨大差別，對于數組里的 double，優勢差距被縮小。
在 Jsoniter 里，處理數組的循環也是被展開的。
public static java.lang.Object decode_(com.jsoniter.JsonIterator iter) throws java.io.IOException {
... // abbreviated
nextToken = com.jsoniter.CodegenAccess.nextToken(iter);
if (nextToken == ']') {
return new double[0];
}
com.jsoniter.CodegenAccess.unreadByte(iter);
double a1 = iter.readDouble();
if (!com.jsoniter.CodegenAccess.nextTokenIsComma(iter)) {
return new double[]{ a1 };
}
double a2 = iter.readDouble();
if (!com.jsoniter.CodegenAccess.nextTokenIsComma(iter)) {
return new double[]{ a1, a2 };
}
double a3 = iter.readDouble();
if (!com.jsoniter.CodegenAccess.nextTokenIsComma(iter)) {
return new double[]{ a1, a2, a3 };
}
double a4 = (double) iter.readDouble();
if (!com.jsoniter.CodegenAccess.nextTokenIsComma(iter)) {
return new double[]{ a1, a2, a3, a4 };
}
double a5 = (double) iter.readDouble();
double[] arr = new double[10];
arr[0] = a1;
arr[1] = a2;
arr[2] = a3;
arr[3] = a4;
arr[4] = a5;
int i = 5;
while (com.jsoniter.CodegenAccess.nextTokenIsComma(iter)) {
if (i == arr.length) {
double[] newArr = new double[arr.length * 2];
System.arraycopy(arr, 0, newArr, 0, arr.length);
arr = newArr;
}
arr[i++] = iter.readDouble();
}
double[] result = new double[i];
System.arraycopy(arr, 0, result, 0, i);
return result;
}
這避免了數組擴容的開銷。
Encode Double Array
再來看看 double 數組的編碼
Protobuf 可以飛快地對 double 數組進行編碼，是 Jackson 的 15 倍。 在犧牲精度的情況下，Protobuf 只是 Jsoniter 的 2.3 倍。所以，再次證明了，JSON 處理 double 非常慢。如果用 base64 編碼 double，則可以保持精度，速度和犧牲精度時一樣。
Decode String
JSON 字符串包含了轉義字符的支持。Protobuf 解碼字符串僅僅是一個內存拷貝。理應更快才對。被測試的字符串長度是 160 個字節的 ascii。
syntax = "proto3";
option optimize_for = SPEED;
message PbTestObject {
string field1 = 1;
}
Protobuf 解碼長字符串是 Jackson 的 1.85 倍。 然而，DSL-Json 比 Protobuf 更快。這就有點奇怪了，JSON 的處理負擔更重，為什么會更快呢？
先嘗試捷徑
DSL-JSON 給 ascii 實現了一個捷徑： https://github.com/ngs-doo/dsl-json/blob/master/library/src/main/java/com/dslplatform/json/JsonReader.java
for (int i = 0; i < chars.length; i++) {
bb = buffer[ci++];
if (bb == '"') {
currentIndex = ci;
return i;
}
// If we encounter a backslash, which is a beginning of an escape sequence
// or a high bit was set - indicating an UTF-8 encoded multibyte character,
// there is no chance that we can decode the string without instantiating
// a temporary buffer, so quit this loop
if ((bb ^ '\\') < 1) break;
chars[i] = (char) bb;
}
這個捷徑里規避了處理轉義字符和utf8字符串的成本。
JVM 的動態編譯做了特殊優化
在 JDK9 之前，java.lang.String 都是基于 `char[]` 的。而輸入都是 byte[] 并且是 utf-8 編碼的。所以這使得，我們不能直接用 memcpy 的方式來處理字符串的解碼問題。
但是在 JDK9 里，java.lang.String 已經改成了基于`byte[]`的了。從 JDK9 的源代碼里可以看出：
@Deprecated(since="1.1")
public String(byte ascii[], int hibyte, int offset, int count) {
checkBoundsOffCount(offset, count, ascii.length);
if (count == 0) {
this.value = "".value;
this.coder = "".coder;
return;
}
if (COMPACT_STRINGS && (byte)hibyte == 0) {
this.value = Arrays.copyOfRange(ascii, offset, offset + count);
this.coder = LATIN1;
} else {
hibyte <<= 8;
byte[] val = StringUTF16.newBytesFor(count);
for (int i = 0; i < count; i++) {
StringUTF16.putChar(val, i, hibyte | (ascii[offset++] & 0xff));
}
this.value = val;
this.coder = UTF16;
}
}
使用這個雖然被廢棄，但是還沒有被刪除的構造函數，我們可以使用 Arrays.copyOfRange 來直接構造 java.lang.String 了。然而，在測試之后，發現這個實現方式并沒有比 DSL-JSON 的實現更快。
似乎 JVM 的 Hotspot 動態編譯時對這段循環的代碼做了模式匹配，識別出了更高效的實現方式。即便是在 JDK9 使用 +UseCompactStrings 的前提下，理論上來說本應該更慢的 byte[] => char[] => byte[] 并沒有使得這段代碼變慢，DSL-JSON 的實現還是最快的。
如果輸入大部分是字符串，這個優化就變得至關重要了。Java 里的解析藝術，還不如說是字節拷貝的藝術。JVM 的 java.lang.String 設計實在是太愚蠢了。在現代一點的語言中，比如 Go，字符串都是基于 utf-8 byte[] 的。
Encode String
類似的問題，因為需要把 char[] 轉換為 byte[]，所以沒法直接內存拷貝。
Protobuf 在編碼長字符串時，比 Jackson 略微快一點點。 一切都歸咎于 char[]。
跳過數據結構
JSON 是一個沒有 header 的格式。因為沒有 header，JSON 需要掃描每個字節才可以定位到所需的字段上。中間可能要掃過很多不需要處理的字段。
message PbTestWriteObject {
repeated string field1 = 1;
message Field2 {
repeated string field1 = 1;
repeated string field2 = 2;
repeated string field3 = 3;
}
Field2 field2 = 2;
string field3 = 3;
}
message PbTestReadObject {
string field3 = 3;
}
消息用 PbTestWriteObject 來編碼，然后用 PbTestReadObject 來解碼。field1 和 field2 的內容應該被跳過。
Protobuf 在跳過數據結構方面，是 Jackson 的 5 倍。 但是如果跳過長的字符串，JSON 的成本是和字符串長度線性相關的，而 Protobuf 則是一個常量操作。
總結
最后，我們把所有的戰果匯總到一起。
編解碼數字的時候，JSON仍然是非常慢的。 Jsoniter 把這個差距從 10 倍縮小到了 3 倍多一些。
JSON 最差的情況是下面幾種：
- 跳過非常長的字符串：和字符串長度線性相關。
- 解碼 double 字段：Protobuf 優勢明顯，是 Jsoniter 的 3.27 倍，是 Jackson 的 13.75 倍。
- 編碼 double 字段：如果不能接受只保留 6 位小數，Protobuf 是 Jackson 的 12.71 倍。如果接受精度損失，Protobuf 是 Jsoniter 的 1.96 倍。
- 解碼整數：Protobuf 是 Jsoniter 的 2.64 倍，是 Jackson 的 8.51 倍。
如果你的生產環境中的JSON沒有那么多的double字段，都是字符串占大頭，那么基本上來說替換成 Protobuf 也就是僅僅比 Jsoniter 提高一點點，肯定在2倍之內。如果不幸的話，沒準 Protobuf 還要更慢一點。
來自：http://www.infoq.com/cn/articles/json-is-5-times-faster-than-protobuf