背景和目的

本文介绍了几个常用的序列化和反序列化库，包括System.Text.Json、Newtonsoft.Json、 Protobuf-Net、MessagePack-Net，我们将对这些库进行性能测评

性能测试

测评电脑配置

准备工作

0、导入Nuget包

1、Bogus(34.0.2)
2、MessagePack(2.5.124)
3、Newtonsoft.Json(13.0.3)
4、protobuf-net(3.2.26)
5、System.Reactive(6.0.0)

1、性能测试函数

IObservable<object> Measure(Action action, int times = 5)
{
	return Enumerable.Range(1, times).Select(i =>
	{
		var sw = Stopwatch.StartNew();

		long memory1 = GC.GetTotalMemory(true);
		long allocate1 = GC.GetTotalAllocatedBytes(true);
		{
			action();
		}
		long allocate2 = GC.GetTotalAllocatedBytes(true);
		long memory2 = GC.GetTotalMemory(true);

		sw.Stop();
		return new
		{
			次数 = i,
			分配内存 = (allocate2 - allocate1).ToString("N0"),
			内存提高 = (memory2 - memory1).ToString("N0"),
			耗时 = sw.ElapsedMilliseconds,
		};
	}).ToObservable();
}

这个测量函数的它的作用

多次执行指定的动作，并测量每次执行该动作时的内存分配和执行时间。

然后，对于每次操作，它创建并返回一个新的匿名对象，该对象包含以下属性：

次数：操作的次数。
分配内存：操作期间分配的内存量（操作结束后的已分配字节减去操作开始前的已分配字节）。
内存提高：操作期间内存的增加量（操作结束后的总内存减去操作开始前的总内存）。
耗时：操作的执行时间（以毫秒为单位）。

2、生成随机数据的函数

IEnumerable<User> WriteData()
{
	var data = new Bogus.Faker<User>()
		.RuleFor(x => x.Id, x => x.IndexFaker + 1)
		.RuleFor(x => x.Gender, x => x.Person.Gender)
		.RuleFor(x => x.FirstName, (x, u) => x.Name.FirstName(u.Gender))
		.RuleFor(x => x.LastName, (x, u) => x.Name.LastName(u.Gender))
		.RuleFor(x => x.Email, (x, u) => x.Internet.Email(u.FirstName, u.LastName))
		.RuleFor(x => x.BirthDate, x => x.Person.DateOfBirth)
		.RuleFor(x => x.Company, x => x.Person.Company.Name)
		.RuleFor(x => x.Phone, x => x.Person.Phone)
		.RuleFor(x => x.Website, x => x.Person.Website)
		.RuleFor(x => x.SSN, x => x.Person.Ssn())
		.GenerateForever().Take(6_0000);
	return data;
}

Bogus 是一个非常有用的 C# 库，它可以帮助你生成伪造的数据，或者说“假数据”。这在测试或开发阶段非常有用，你可以使用它来填充数据库，或者在没有实际用户数据的情况下测试应用程序。

如果想详细了解使用请参考 这篇文章https://www.cnblogs.com/sdflysha/p/20190821-generate-lorem-data.html

3、数据实体类

[MessagePackObject, ProtoContract]
public class User
{
    [Key(0), ProtoMember(1)]
    public int Id { get; set; }

    [Key(1), ProtoMember(2)]
    public int Gender { get; set; }

    [Key(2), ProtoMember(3)]
    public string FirstName { get; set; }

    [Key(3), ProtoMember(4)]
    public string LastName { get; set; }

    [Key(4), ProtoMember(5)]
    public string Email { get; set; }

    [Key(5), ProtoMember(6)]
    public DateTime BirthDate { get; set; }

    [Key(6), ProtoMember(7)]
    public string Company { get; set; }

    [Key(7), ProtoMember(8)]
    public string Phone { get; set; }

    [Key(8), ProtoMember(9)]
    public string Website { get; set; }

    [Key(9), ProtoMember(10)]
    public string SSN { get; set; }
}

开始性能测试

以下测试代码会加入写入文件，以模拟真实的使用场景，性能怎么样

1、System.Text.Json 性能测试

序列化测试代码

void TextJsonWrite()
{
	var data = WriteData();

	Measure(() =>
		{
			string path = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "test-data1.json");
			using var file = File.Create(path);
			System.Text.Json.JsonSerializer.Serialize(file,data);
		})
	.Dump();
}

文件大小：14.3MB

测试结果

反序列化测试代码

void TextJsonRead()
{
	Measure(() =>
	{
		string path = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "test-data1.json");
		byte[] bytes = File.ReadAllBytes(path);
		System.Text.Json.JsonSerializer.Deserialize<List<User>>(bytes);
	}).Dump();
}

测试结果

2、Newtonsoft.Json 性能测试

序列化测试代码

void JsonNetWrite()
{
	var data = WriteData();

	Measure(() =>
	{
		string path = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "test-data2.json");
		var jsonData = Newtonsoft.Json.JsonConvert.SerializeObject(data);
		File.WriteAllText(path, jsonData);
	})
	.Dump();
}

文件大小：14.3MB

测试结果

反序列化测试代码

void JsonNetRead()
{
	Measure(() =>
	{
		string path = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "test-data2.json");
		var jsonData = File.ReadAllText(path);
		var data = Newtonsoft.Json.JsonConvert.DeserializeObject<List<User>>(jsonData);
	})
	.Dump();
}

测试结果

3、ProtobufNet 性能测试

序列化测试代码

void ProtobufNetWrite()
{
	var data = WriteDataTwo();
	Measure(() =>
	{
		string path = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "test-data3.bin");
		using var file = File.Create(path);
		Serializer.Serialize(file, data);
	}).Dump();
}

文件大小：7.71MB

测试结果

反序列化测试代码

void ProtobufNetRead()
{
	Measure(() =>
	{
		string path = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "test-data3.bin");
		using var file = File.OpenRead(path);
		Serializer.Deserialize<List<UserProtobuf>>(file);
	}
	).Dump();
}

测试结果

4、MessagePack-Net 性能测试

序列化测试代码

void MessagePackNetWrite()
{
	var data = WriteDataThreee();
	Measure(() =>
	{
		string path = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "UserMessagePackData.bin");
		using var file = File.Create(path);
	   	MessagePackSerializer.Serialize(file, data);
	}).Dump();
}

文件大小：7.21MB

测试结果

反序列化测试代码

void MessagePackNetRead()
{
	Measure(() =>
	{
		string path = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "UserMessagePackData.bin");
		byte[] bytes = File.ReadAllBytes(path);
		MessagePackSerializer.Deserialize<List<UserMessagePack>>(bytes);
	}).Dump();
}

测试结果

结论

序列化性能测试结果

反序列化性能测试结果

注：

1、 分配内存比例、耗时比例和文件大小比例都以 Newtonsoft.Json 的数值为基准，计算出的百分比表示在相比于 Newtonsoft.Json 的表现。
2、 分配内存平均数、耗时平均数是通过将给定的五次测试结果取平均值得出的。
3、 文件大小是由测试代码生成的文件大小，计算出的百分比表示在相比于 Newtonsoft.Json 的表现。

基于上述表格，我们可以得出以下结论：

1. 内存分配：在内存分配方面，ProtobufNet 和 MessagePack-Net 显著优于 System.Text.Json 和 Newtonsoft.Json。它们的内存分配仅为 Newtonsoft.Json 的 0.01% 和 0.003%，这表明它们在处理大数据时的内存效率非常高。

2. 耗时：在耗时方面，ProtobufNet 和 MessagePack-Net 也表现出超过其他两个库的性能。ProtobufNet 的耗时为 Newtonsoft.Json 的 3.6%，而 MessagePack-Net 的耗时仅为 2.1%。这意味着它们在处理大量数据时的速度非常快。

3. 文件大小：在生成的文件大小方面，ProtobufNet 和 MessagePack-Net 的文件大小明显小于 System.Text.Json 和 Newtonsoft.Json。ProtobufNet 和 MessagePack-Net 的文件大小分别为 Newtonsoft.Json 文件大小的 53.9% 和 50.4%。这说明它们的序列化效率更高，能够生成更小的文件。

4. System.Text.Json vs Newtonsoft.Json：在比较这两个库时，System.Text.Json 在内存分配和耗时方面都稍微优于 Newtonsoft.Json，但差距不大。在文件大小方面，它们的表现相同。

综上所述，如果考虑内存分配、处理速度和文件大小，ProtobufNet 和 MessagePack-Net 的性能明显优于 System.Text.Json 和 Newtonsoft.Json。

5、总结

基于上面的数据，个人一些看法，虽然我们平常用的是Newtonsoft.Json,但了解一些其他一些比较好的库的使用可以扩展视野，本次测试的库虽然加入了写入文件这方面的因素，但对性能影响不是很大，本以为ProtobufNet已经是性能最好的了，但上面的测试结果，显然 MessagePack-Net 性能最好，还有一个意外发现，针对NetCore 6.0，新出的库System.Text.Json性能比Newtonsoft.Json好5%

作者 => 百宝门瞿佑明

原文地址：https://blog.baibaomen.com/深度比较常见库中序列化和反序列化性能的性能差/

本栏目推荐文章
• 代码随想录 day18 找树左下角的值 路径总和 从中序与后序遍历序列构造二叉树
• Maven常见问题与原理技巧
• SQL Server 高性能写入的一些总结
• Hive常见问题
• 高性能、低功耗 基于8位AVR®RISC的ATMEGA328PB-MUR、ATMEGA328PB-ANR、ATMEGA328PB-AUR微控制器（MCU）
• 【LeetCode 2701. 连续递增交易】MySQL用户变量编程得到严格递增连续子序列的开始位置，结束位置，长度等统计信息
• python经典有序序列的list列表推导式
• 【Leetcode 2474. 购买量严格增加的客户】MySQL用户变量编程解决严格递增连续子序列问题
• 解题报告P2501 [HAOI2006] 数字序列
• GIS融合之路（二）CesiumJS和ThreeJS深度缓冲区整合

序列 性能 深度 差异 常见序列 性能 深度 差异 深度 差异 性能excel 差异 性能esxi 差异 文本 性能 任务 midjourney文心 常见问题 差异 场景 差异 机制 性能 鲲鹏 差异 性能 差异 性能 方面swift not差异 性能exists 差异sleep_for性能 时间