序列化框架对比

背景

最近接到一个需求，涉及到大流量的数据传输，那么就不可避免序列化，正巧我也有想法对最近主流的序列化框架做一次对比。

参数对比的序列化的框架如下，将对 序列化数据字节大小、序列化\反序列化平均耗时、序列化\反序列化吞吐量 这三个维度进行对比。

该测试结果可能因为机器原因、框架使用方式、样本数据问题，导致结果不准确。

工程代码见 https://github.com/moyada/java-serializers

这里我对所有框架再进行了一次封装，更方便接入测试，也是一般开发中的正常操作，在序列化框架的使用上主要是参考官方文档。

测试环境

JDK 版本为 1.8.0_191，使用 BenchMark 进行测试，环境参数为

# VM options: -server -Xms2048m -Xmx2048m -XX:+UseTLAB -XX:+UseG1GC
# Warmup: 3 iterations, 40 s each
# Measurement: 5 iterations, 60 s each
# Timeout: 10 min per iteration
# Threads: 10 threads, will synchronize iterations

测试的数据结构如下，数据统一为 {"id": 34501231422, "name": "moyada", "age": 18, "gender": true, "scope": 33.23, "identifies": ["moyada", "people", "person", "animal"], "info": {"haha": "666", "test": "111"}}。

public class User implements Serializable {
    private long id;
    private String name;
    private int age;
    private boolean gender;
    private Double scope;
    private List<String> identifies;
    private Map<String, String> info;
}

序列化后数据对比

平均耗时对比

序列化平均耗时

反序列化平均耗时

平均耗时综合对比

吞吐量对比

序列化吞吐量

反序列化吞吐量

吞吐量综合对比

总结

综合对比下来，抛开未采样的内存占用及 cpu 消耗，大部分序列化框架效率还是比较不错的。

Avro 在反序列化时耗时比较严重，怀疑是否因为多线程而导致的，并且在反序列化后 map 数据还发生了顺序变化。

Protostuff 在各方面都优于其他框架，但是需要预先定义类，不过比起 Protobuf、Thrift 等预先定义数据格式已经方便很多了。

如果传输量不是很大，但是对数据的可视化有要求的，那么 Fastjson 和 Jackson 是不错的选择，而且 json 格式在跨语言上也天然有优势。