Gson、FastJson、org.JSON到底哪一个效率更高，速度更快

博文首次发布于安卓巴士，现搬于CSDN之上

写博客不易，珍惜笔者劳动成果，转载请标明原创作者地址 http://blog.csdn.net/zml_2015/article/details/52165317

今天无意中再安卓巴士上看到了一片文章《Android开发者应该使用FlatBuffers替代JSON》，吓得我赶紧看了看，突然感觉自己用了好长时间的JSON解析似乎落伍了~~(>_<)~~

尤其是看到下面的话，更是不明觉厉；

我尝试使用FlatBuffers和JSON解析4mb的JSON文件。

FlatBuffers花了1-5ms，JSON花了大约2000ms。在使用FlatBuffers期间Android App中没有GC，而在使用JSON时发生了很多次GC

大致看了一下FlatBuffers，似乎挺强大，不过暂时没有测试是不是真有那么快，不过JSON解析应该没有那么慢，于是乎测试了一下平时用到的谷歌的Gson 阿里巴巴的FastJson以及安卓原生自带的org.JSON 解析的速度；

先写个单元测试吧：

@org.junit.Test
public void TestSpeed2() throws Exception {
FoodDao foodDao = new FoodDao();
List<Foods> foods = foodDao.selectAll(Foods.class);

System.out.println("-------------gson-----------");
long gsonStart = System.currentTimeMillis();
gsonC(foods);// 用Gson进行拆包 和 解析
long gsonEnd = System.currentTimeMillis();
System.out.println("gsonGaps:" + (gsonEnd - gsonStart));
System.out.println("-------------gson-----------");

System.out.println("-------------FastJson-----------");
long fastStart = System.currentTimeMillis();
fastJsonC(foods);// 用FastJson进行拆包 和 解析
long fastEnd = System.currentTimeMillis();
System.out.println("gsonGaps:" + (fastEnd - fastStart));
System.out.println("-------------FastJson-----------");

System.out.println("-------------JSON-----------");
long jsonStart = System.currentTimeMillis();
jsonC(foods);// 用org.json进行拆包 和 解析
long jsonEnd = System.currentTimeMillis();
System.out.println("gsonGaps:" + (jsonEnd - jsonStart));
System.out.println("-------------JSON-----------");

}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27


[/code]

调用的方法必须是

synchronized 同步

的，即运行完该方法后才执行下面的代码

private synchronized void jsonC(List<Foods> foods) throws Exception {

String jsonString = JsonTools.createJsonString("json", foods);
JSONObject object = new JSONObject(jsonString);
JSONArray array = object.getJSONArray("json");
List<Foods> list2 = new ArrayList<Foods>();
for (int i = 0; i < array.length(); i++) {

JSONObject foodObject = (JSONObject) array.get(i);
Foods foods2 = new Foods(foodObject.getInt("id"),
foodObject.getString("cookclass"),
foodObject.getString("name"),
foodObject.getString("description"),
foodObject.getString("food"),
foodObject.getString("img"),
foodObject.getString("images"),
foodObject.getString("keywords"),
foodObject.getString("message"),
foodObject.getString("url"));
list2.add(foods2);
}
String s3 = list2.toString();

}

private synchronized void fastJsonC(List<Foods> foods) {

String fastString = FastJsonTools.createJsonString(foods);
String s2 = FastJsonTools.createJsonToListBean(fastString,
Foods.class).toString();

}

private synchronized void gsonC(List<Foods> foods) {

String gsonString = GsonTools.createJsonString(foods);
String s1 = GsonTools.StringTolist(gsonString, Foods[].class)
.toString();

}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40


[/code]

单元测试中调用了一个selectAll方法，具体如下：

/**
* 查找全部;
*
* @return
*/
public List selectAll(Class c) {
Session session = HibernateSessionFactory.getSession();
List list = session.createQuery("From " + c.getName()).setFirstResult(0).setMaxResults(50).list();//①
return list;
}

1
2
3
4
5
6
7
8
9
10


[/code]

查看上面的标注①的地方可以看到我这先设置的查询的条数为50条，稍后修改这即可更改为查询100、500、1000、5000、1万、2万条

（不要问我哪儿来那么多数据……我之前写的博客上说了曾经扒到过10W+的数据……）

然后列一下分别是查询50条、100条、500条、1000、5000、1万、2万条数据各个类库分别需要多少时间

50



2. 100



3. 500



4. 1000



5. 5000



6. 1万



7. 2万



一开始测试的时候我没有取平均值，只是运行一下看看解析50条数据哪一个更快一点，竟然让我出乎意料，竟然是Android自带的jar包org.JSON！！！Gson甚至比FastJson都快这不符合情理啊……不是一直都说是阿里巴巴的FastJson最快的嘛！！！！后来我将解析50条数据提高到100、500、1000条……数据的时候就发现，随着解析数据量的增大然后逐渐的发现FastJson的优势出来了，而org.JSON却很慢了

分析出现上面的结果的原因，为什么在数据量少的时候，org.json 类库拆包解析的更快呢，仔细看源码会发现：

org.json在进行解析的时候需要通过for循环依次的将数据取出来放到指定对象的成员变量中

是for循环的缘故，当for循环的次数太多的时候肯定就相当耗时了，在数据量小的时候却表现的比较出色

然而这样解析有着明显的问题，因为每一次测试的时间都不相同，因为不是很稳定，所以应该取一下平均值，我这就对 拆包解析的方法里加了个50次的循环

@org.junit.Test
public void TestSpeed() throws Exception {

List<Foods> foods = foodDao.selectAll(Foods.class);

System.out.println("-------------gson-----------");
long gsonStart = System.currentTimeMillis();
gsonC(foods);//用Gson进行拆包 和 解析 并循环操作50次
long gsonEnd = System.currentTimeMillis();
System.out.println("gsonGaps:" + (gsonEnd - gsonStart) / 50);
System.out.println("-------------gson-----------");

System.out.println("-------------FastJson-----------");
long fastStart = System.currentTimeMillis();
fastJsonC(foods);// 用FastJson进行拆包 和 解析 并循环操作50次
long fastEnd = System.currentTimeMillis();
System.out.println("gsonGaps:" + (fastEnd - fastStart) / 50);
System.out.println("-------------FastJson-----------");

System.out.println("-------------JSON-----------");
long jsonStart = System.currentTimeMillis();
jsonC(foods);// 用org.json进行拆包 和 解析 并循环操作50次
long jsonEnd = System.currentTimeMillis();
System.out.println("gsonGaps:" + (jsonEnd - jsonStart) / 50);
System.out.println("-------------JSON-----------");

}

private synchronized void jsonC(List<Foods> foods) throws Exception {
for (int j = 0; j < 50; j++) {
String jsonString = JsonTools.createJsonString("json", foods);
JSONObject object = new JSONObject(jsonString);
JSONArray array = object.getJSONArray("json");
List<Foods> list2 = new ArrayList<Foods>();
for (int i = 0; i < array.length(); i++) {

JSONObject foodObject = (JSONObject) array.get(i);
Foods foods2 = new Foods(foodObject.getInt("id"),
foodObject.getString("cookclass"),
foodObject.getString("name"),
foodObject.getString("description"),
foodObject.getString("food"),
foodObject.getString("img"),
foodObject.getString("images"),
foodObject.getString("keywords"),
foodObject.getString("message"),
foodObject.getString("url"));
list2.add(foods2);
}
String s3 = list2.toString();
}
}

private synchronized void fastJsonC(List<Foods> foods) {
for (int i = 0; i < 50; i++) {
String fastString = FastJsonTools.createJsonString(foods);
String s2 = FastJsonTools.createJsonToListBean(fastString,
Foods.class).toString();
}
}

private synchronized void gsonC(List<Foods> foods) {
for (int i = 0; i < 50; i++) {
String gsonString = GsonTools.createJsonString(foods);
String s1 = GsonTools.StringTolist(gsonString, Foods[].class)
.toString();
}
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69


[/code]

然后贴一下解析

1万条数据

、

2万条数据

和

100条数据

各个类库所用的的平均时间（这个时间不包括查询数据库所用的时间）

1万



2万



100条



我10万+的数据大概是40多M，也就是说1万条数据的话大概是4M，就从我的测试结果来看，还真不知道他们那个解析4Mjson数据需要用大概2000毫秒的时间，我测试的2万条数据也就是大概8M的json数据，即使是用org.json来拆包、解析都要比这个时间要短很多，更何况我们还有出色的fastJson等优秀类库。

经过这次测试之后，确实验证了阿里巴巴的FastJson相对来说是挺快的，如果用json解析的话，还是建议用fastjson吧

如果，您认为这篇博客让您有些收获，不妨点击一下【顶】。

如果，您希望更容易地发现我的新博客，不妨点击一下【加关注】。

因为，我的热情需要您的肯定和支持。

感谢您的阅读，如果文章中有错误或者您有什么好的建议，也欢迎您直接留言批评指教。Thanks，friends！

(function () {('pre.prettyprint code').each(function () {
var lines = (this).text().split(′\n′).length;varnumbering = $('').addClass('pre-numbering').hide();
(this).addClass(′has−numbering′).parent().append(numbering);
for (i = 1; i