关于go:基于-JIT-技术的开源全场景高性能-JSON-库

6次阅读

共计 17582 个字符，预计需要花费 44 分钟才能阅读完成。

大家好，我是 Mandy，上一节咱们对 Go 中的切片数据类型进行了深度的分析，明天给大家分享一个字节跳动 自研开源 的 JSON 数据解析包。一个速度奇快的 JSON 序列化 / 反序列化库，由 JIT（即时编译）和 SIMD（单指令流多数据流）减速。

sonic 是字节跳动开源的一款 Golang JSON 库，基于即时编译（Just-In-Time Compilation）与向量化编程（Single Instruction Multiple Data）技术，大幅晋升了 Go 程序的 JSON 编解码性能。同时联合 lazy-load 设计思维，它也为不同业务场景打造了一套全面高效的 API。

Go 自身自带规范 JSON 库：encoding/json，另外还有很多优良的第三方库，比方：Json-iterator、Easyjson、Gjson、Sjson 等，其中 Json-iterator 最受欢迎（12.3+k Star）。那为什么字节跳动还会抉择自研一个 JSON 解析库呢？

JSON（JavaScript Object Notation）以其简洁的语法和灵便的自描述能力，被广泛应用于各互联网业务。然而 JSON 因为实质是一种文本协定，且没有相似 Protobuf 的强制模型束缚（schema），编解码效率往往非常低下。再加上有些业务开发者对 JSON 库的不失当选型与应用，最终导致服务性能急剧劣化。

依据字节跳动生产服务的整体剖析，咱们发现 JSON 序列化和反序列化的开销意外地很高：CPU 使用率靠近 10%，其中极其状况下超过 40%。因而，JSON 库的性能是进步机器利用率的关键问题。

在字节跳动，咱们也遇到了上述问题。依据此前统计的公司 CPU 占比 TOP 50 服务的性能剖析数据，JSON 编解码开销总体靠近 10%，单个业务占比甚至超过 40%，晋升 JSON 库的性能至关重要。因而咱们对业界现有 Go JSON 库进行了一番评估测试。

首先，依据支流 JSON 库 API，咱们将它们的应用形式分为三种：

泛型（generic）编解码：JSON 没有对应的 schema，只能根据自描述语义将读取到的 value 解释为对应语言的运行时对象，例如：JSON object 转化为 Go map[string]interface{}；
定型（binding）编解码：JSON 有对应的 schema，能够同时联合模型定义（Go struct）与 JSON 语法，将读取到的 value 绑定到对应的模型字段下来，同时实现数据解析与校验；
查找（get）& 批改（set）：指定某种规定的查找门路（个别是 key 与 index 的汇合），获取须要的那局部 JSON value 并解决。

其次，咱们依据样本 JSON 的 key 数量和深度分为三个量级：

小（small）：400B，11 key，深度 3 层；
中（medium）：110KB，300+ key，深度 4 层（理论业务数据，其中有大量的嵌套 JSON string)；
大（large）：550KB，10000+ key，深度 6 层。

Go 1.16~1.20
Linux / MacOS / Windows（须要 Go1.17 以上）
Amd64 架构

运行时对象绑定，无需代码生成
齐备的 JSON 操作 API
快，更快，还要更快！

默认的行为基本上与 encoding/json 相一致，除了 HTML 本义模式（参见 Escape HTML) 和 SortKeys 性能（参见 Sort Keys）没有遵循 RFC8259。

import "github.com/bytedance/sonic"

var data YourSchema
// Marshal
output, err := sonic.Marshal(&data)
// Unmarshal
err := sonic.Unmarshal(output, &data)

Sonic 反对解码 io.Reader 中输出的 json，或将对象编码为 json 后输入至 io.Writer，以解决多个值并缩小内存耗费。

编码器

var o1 = map[string]interface{}{"a": "b",}
var o2 = 1
var w = bytes.NewBuffer(nil)
var enc = sonic.ConfigDefault.NewEncoder(w)
enc.Encode(o1)
enc.Encode(o2)
fmt.Println(w.String())
// Output:
// {"a":"b"}
// 1

解码器

var o =  map[string]interface{}{}
var r = strings.NewReader(`{"a":"b"}{"1":"2"}`)
var dec = sonic.ConfigDefault.NewDecoder(r)
dec.Decode(&o)
dec.Decode(&o)
fmt.Printf("%+v", o)
// Output:
// map[1:2 a:b]

应用 `Number` / `int64`

import "github.com/bytedance/sonic/decoder"

var input = `1`
var data interface{}

// default float64
dc := decoder.NewDecoder(input)
dc.Decode(&data) // data == float64(1)
// use json.Number
dc = decoder.NewDecoder(input)
dc.UseNumber()
dc.Decode(&data) // data == json.Number("1")
// use int64
dc = decoder.NewDecoder(input)
dc.UseInt64()
dc.Decode(&data) // data == int64(1)

root, err := sonic.GetFromString(input)
// Get json.Number
jn := root.Number()
jm := root.InterfaceUseNumber().(json.Number) // jn == jm
// Get float64
fn := root.Float64()
fm := root.Interface().(float64) // jn == jm

思考到排序带来的性能损失（约 10%），sonic 默认不会启用这个性能。如果你的组件依赖这个行为（如 zstd)，能够仿照上面的例子：

import "github.com/bytedance/sonic"
import "github.com/bytedance/sonic/encoder"

// Binding map only
m := map[string]interface{}{}
v, err := encoder.Encode(m, encoder.SortMapKeys)

// Or ast.Node.SortKeys() before marshal
var root := sonic.Get(JSON)
err := root.SortKeys()

思考到性能损失（约 15%），sonic 默认不会启用这个性能。你能够应用 encoder.EscapeHTML 选项来开启（与 encoding/json.HTMLEscape 行为统一）。

import "github.com/bytedance/sonic"

v := map[string]string{"&&":"<>"}
ret, err := Encode(v, EscapeHTML) // ret == `{"\u0026\u0026":{"X":"\u003c\u003e"}}`

Sonic 默认将根本类型（struct，map 等）编码为紧凑格局的 JSON，除非应用 json.RawMessage or json.Marshaler 进行编码：sonic 确保输入的 JSON 非法，但出于性能思考，不会加工成紧凑格局。咱们提供选项 encoder.CompactMarshaler 来增加此过程，

如果输出的 JSON 存在有效的语法，sonic 将返回 decoder.SyntaxError，该谬误反对谬误地位的丑化输入。

import "github.com/bytedance/sonic"
import "github.com/bytedance/sonic/decoder"

var data interface{}
err := sonic.UnmarshalString("[[[}]]", &data)
if err != nil {
    /* One line by default */
    println(e.Error()) // "Syntax error at index 3: invalid char\n\n\t[[[}]]\n\t...^..\n"
    /* Pretty print */
    if e, ok := err.(decoder.SyntaxError); ok {
        /*Syntax error at index 3: invalid char

            [[[}]]
            ...^..
        */
        print(e.Description())
    } else if me, ok := err.(*decoder.MismatchTypeError); ok {
        // decoder.MismatchTypeError is new to Sonic v1.6.0
        print(me.Description())
    }
}

如果给定键中存在 类型不匹配 的值，sonic 会抛出 decoder.MismatchTypeError（如果有多个，只会报告最初一个），但仍会跳过谬误的值并解码下一个 JSON。

import "github.com/bytedance/sonic"
import "github.com/bytedance/sonic/decoder"

var data = struct{
    A int
    B int
}{}
err := UnmarshalString(`{"A":"1","B":1}`, &data)
println(err.Error())    // Mismatch type int with value string "at index 5: mismatched type with value\n\n\t{\"A\":\"1\",\"B\":1}\n\t.....^.........\n"
fmt.Printf("%+v", data) // {A:0 B:1}

`Ast.Node`

Sonic/ast.Node 是齐全独立的 JSON 形象语法树库。它实现了序列化和反序列化，并提供了获取和批改通用数据的鲁棒的 API。

通过给定的门路搜寻 JSON 片段，门路必须为非负整数，字符串或 nil。

import "github.com/bytedance/sonic"

input := []byte(`{"key1":[{},{"key2":{"key3":[1,2,3]}}]}`)

// no path, returns entire json
root, err := sonic.Get(input)
raw := root.Raw() // == string(input)

// multiple paths
root, err := sonic.Get(input, "key1", 1, "key2")
sub := root.Get("key3").Index(2).Int64() // == 3

留神：因为 Index() 应用偏移量来定位数据，比应用扫描的 Get() 要快的多，倡议尽可能的应用 Index。Sonic 也提供了另一个 API，IndexOrGet()，以偏移量为根底并且也确保键的匹配。

应用 Set() / Unset() 批改 json 的内容

import "github.com/bytedance/sonic"

// Set
exist, err := root.Set("key4", NewBool(true)) // exist == false
alias1 := root.Get("key4")
println(alias1.Valid()) // true
alias2 := root.Index(1)
println(alias1 == alias2) // true

// Unset
exist, err := root.UnsetByIndex(1) // exist == true
println(root.Get("key4").Check()) // "value not exist"

要将 ast.Node 编码为 json，应用 MarshalJson() 或者 json.Marshal()（必须传递指向节点的指针）

import (
    "encoding/json"
    "github.com/bytedance/sonic"
)

buf, err := root.MarshalJson()
println(string(buf))                // {"key1":[{},{"key2":{"key3":[1,2,3]}}]}
exp, err := json.Marshal(&root)     // WARN: use pointer
println(string(buf) == string(exp)) // true

合法性检查：Check(), Error(), Valid(), Exist()
索引：Index(), Get(), IndexPair(), IndexOrGet(), GetByPath()
转换至 go 内置类型：Int64(), Float64(), String(), Number(), Bool(), Map[UseNumber|UseNode](), Array[UseNumber|UseNode](), Interface[UseNumber|UseNode]()
go 类型打包：NewRaw(), NewNumber(), NewNull(), NewBool(), NewString(), NewObject(), NewArray()
迭代：Values(), Properties(), ForEach(), SortKeys()
批改：Set(), SetByIndex(), Add()

`Ast.Visitor`

Sonic 提供了一个高级的 API 用于间接全量解析 JSON 到非标准容器里 (既不是 struct 也不是 map[string]interface{}) 且不须要借助任何两头示意 (ast.Node 或 interface{})。举个例子，你可能定义了下述的类型，它们看起来像 interface{}，但实际上并不是：

type UserNode interface {}

// the following types implement the UserNode interface.
type (UserNull    struct{}
    UserBool    struct{Value bool}
    UserInt64   struct{Value int64}
    UserFloat64 struct{Value float64}
    UserString  struct{Value string}
    UserObject  struct{Value map[string]UserNode }
    UserArray   struct{Value []UserNode }
)

Sonic 提供了下述的 API 来返回 “对 JSON AST 的前序遍历”。ast.Visitor 是一个 SAX 格调的接口，这在某些 C++ 的 JSON 解析库中被应用到。你须要本人实现一个 ast.Visitor，将它传递给 ast.Preorder() 办法。在你的实现中你能够应用自定义的类型来示意 JSON 的值。在你的 ast.Visitor 中，可能须要有一个 O(n) 空间复杂度的容器（比如说栈）来记录 object / array 的层级。

func Preorder(str string, visitor Visitor, opts *VisitorOptions) error

type Visitor interface {OnNull() error
    OnBool(v bool) error
    OnString(v string) error
    OnInt64(v int64, n json.Number) error
    OnFloat64(v float64, n json.Number) error
    OnObjectBegin(capacity int) error
    OnObjectKey(key string) error
    OnObjectEnd() error
    OnArrayBegin(capacity int) error
    OnArrayEnd() error}

具体用法参看 ast/visitor.go，咱们还为 UserNode 实现了一个示例 ast.Visitor，你能够在 ast/visitor_test.go 中找到它。

因为开发高性能代码的困难性，Sonic 不保障对所有环境的反对。对于在不同环境中应用 Sonic 构建应用程序的开发者，咱们有以下倡议：

在 Mac M1 上开发：确保在您的计算机上安装了 Rosetta 2，并在构建时设置 GOARCH=amd64。Rosetta 2 能够主动将 x86 二进制文件转换为 arm64 二进制文件，并在 Mac M1 上运行 x86 应用程序。
在 Linux arm64 上开发：您能够装置 qemu 并应用 qemu-x86_64 -cpu max 命令来将 x86 二进制文件转换为 arm64 二进制文件。qemu 能够实现与 Mac M1 上的 Rosetta 2 相似的转换成果。

对于心愿在不应用 qemu 下应用 sonic 的开发者，或者心愿解决 JSON 时与 encoding/JSON 严格保持一致的开发者，咱们在 sonic.API 中提供了一些兼容性 API

ConfigDefault: 在反对 sonic 的环境下 sonic 的默认配置（EscapeHTML=false，SortKeys=false等）。行为与具备相应配置的 encoding/json 统一，一些选项，如 SortKeys=false 将有效。
ConfigStd: 在反对 sonic 的环境下与规范库兼容的配置（EscapeHTML=true，SortKeys=true等）。行为与 encoding/json 统一。
ConfigFastest: 在反对 sonic 的环境下运行最快的配置（NoQuoteTextMarshaler=true）。行为与具备相应配置的 encoding/json 统一，某些选项将有效。

因为 Sonic 应用 golang-asm 作为 JIT 汇编器，这个库并不适用于运行时编译，第一次运行一个大型模式可能会导致申请超时甚至过程内存溢出。为了更好地稳定性，咱们倡议在运行大型模式或在内存无限的利用中，在应用 Marshal()/Unmarshal() 前运行 Pretouch()。

import (
    "reflect"
    "github.com/bytedance/sonic"
    "github.com/bytedance/sonic/option"
)

func init() {
    var v HugeStruct

    // For most large types (nesting depth <= option.DefaultMaxInlineDepth)
    err := sonic.Pretouch(reflect.TypeOf(v))

    // with more CompileOption...
    err := sonic.Pretouch(reflect.TypeOf(v),
        // If the type is too deep nesting (nesting depth > option.DefaultMaxInlineDepth),
        // you can set compile recursive loops in Pretouch for better stability in JIT.
        option.WithCompileRecursiveDepth(loop),
        // For a large nested struct, try to set a smaller depth to reduce compiling time.
        option.WithCompileMaxInlineDepth(depth),
    )
}

当解码 没有转义字符的字符串 时，sonic 会从原始的 JSON 缓冲区内援用而不是复制到新的一个缓冲区中。这对 CPU 的性能方面很有帮忙，然而可能因而在解码后对象仍在应用的时候将整个 JSON 缓冲区保留在内存中。实际中咱们发现，通过援用 JSON 缓冲区引入的额定内存通常是解码后对象的 20% 至 80%，一旦利用长期保留这些对象（如缓存以备重用），服务器所应用的内存可能会减少。咱们提供了选项 decoder.CopyString() 供用户抉择，不援用 JSON 缓冲区。这可能在肯定水平上升高 CPU 性能。

为了和 encoding/json 保持一致，咱们提供了传递 []byte 作为参数的 API，但思考到安全性，字符串到字节的复制是同时进行的，这在原始 JSON 十分大时可能会导致性能损失。因而，你能够应用 UnmarshalString() 和 GetFromString() 来传递字符串，只有你的原始数据是字符串，或 零拷贝类型转换 对于你的字节数组是平安的。咱们也提供了 MarshalString() 的 API，以便对编码的 JSON 字节数组进行 零拷贝类型转换，因为 sonic 输入的字节始终是反复并且惟一的，所以这样是平安的。

减速 `encoding.TextMarshaler`

为了保证数据安全性，sonic.Encoder 默认会对来自 encoding.TextMarshaler 接口的字符串进行援用和本义，如果大部分数据都是这种模式那可能会导致很大的性能损失。咱们提供了 encoder.NoQuoteTextMarshaler 选项来跳过这些操作，但你必须保障他们的输入字符串按照 RFC8259 进行了本义和援用。

在 齐全解析 的场景下，Unmarshal() 体现得比 Get()+Node.Interface() 更好。然而如果你只有特定 JSON 的局部模式，你能够将 Get() 和 Unmarshal() 联合应用：

import "github.com/bytedance/sonic"

node, err := sonic.GetFromString(_TwitterJson, "statuses", 3, "user")
var user User // your partial schema...
err = sonic.UnmarshalString(node.Raw(), &user)

甚至如果你没有任何模式，能够用 ast.Node 代替 map 或 interface 作为泛型的容器：

import "github.com/bytedance/sonic"

root, err := sonic.GetFromString(_TwitterJson)
user := root.GetByPath("statuses", 3, "user")  // === root.Get("status").Index(3).Get("user")
err = user.Check()

// err = user.LoadAll() // only call this when you want to use 'user' concurrently...
go someFunc(user)

为什么？因为 ast.Node 应用 array 来存储其子节点：

在插入（反序列化）和扫描（序列化）数据时，Array 的性能比 Map 好得多；
哈希（map[x]）的效率不如索引（array[x]）高效，而 ast.Node 能够在数组和对象上应用索引；
应用 Interface() / Map() 意味着 sonic 必须解析所有的底层值，而 ast.Node 能够 按需解析 它们。

留神：因为 ast.Node 的惰性加载设计，其不能间接保障并发安全性，但你能够调用 Node.Load() / Node.LoadAll() 来实现并发平安。只管可能会带来性能损失，但仍比转换成 map 或 interface{} 更为高效。

应用 `ast.Node` 还是 `ast.Visitor`？

对于泛型数据的解析，ast.Node 在大多数场景上应该可能满足你的需要。

然而，ast.Node 是一种针对局部解析 JSON 而设计的泛型容器，它蕴含一些非凡设计，比方惰性加载，如果你心愿像 Unmarshal() 那样间接解析整个 JSON，这些设计可能并不适合。只管 ast.Node 相较于 map 或 interface{} 来说是更好的一种泛型容器，但它毕竟也是一种两头示意，如果你的最终类型是自定义的，你还得在解析实现后将上述类型转化成你自定义的类型。

在上述场景中，如果想要有更极致的性能，ast.Visitor 会是更好的抉择。它采纳和 Unmarshal() 相似的模式解析 JSON，并且你能够间接应用你的最终类型去示意 JSON AST，而不须要通过额定的任何两头示意。

然而，ast.Visitor 并不是一个很易用的 API。你可能须要写大量的代码去实现本人的 ast.Visitor，并且须要在解析过程中认真保护树的层级。如果你决定要应用这个 API，请先仔细阅读 ast/visitor.go 中的正文。

在设计之初，字节研发团队做了如下几个问题的思考：

首先，规范库应用的 基于模式 (Schema) 的解决机制 是值得称赞的，解析器能够在扫描时提前获取元信息，从而缩短分支抉择的工夫。然而，它的原始实现没有很好地利用这个机制，而是 破费了大量工夫应用反射获取模式的元信息 。与此同时，json-iterator 的办法是：将构造解释为一一字段的编码和解码函数，而后将它们组装和缓存起来，最小化反射带来的性能损失。但这种办法是否一劳永逸呢？理论测试中，咱们发现 随着输出的 JSON 变深、变大，json-iterator 和其余库之间的差距逐步放大——甚至最终被超过：

起因是 该实现转化为大量接口封装和函数调用，导致了函数调用的性能损失：

调用接口波及到对 itab 的动静地址获取
组装的函数无奈内联，而 Golang 的函数调用性能较差（没有寄存器传参）

咱们首先思考的是相似 easyjson 的代码生成。然而这会带来 模式依赖和便利性降落。为了实现对规范库的真正插拔式替换，咱们转向了另一种技术 - JIT（即时编译）。因为编译后的编解码函数是一个集成的函数，它能够大大减少函数调用，同时保障灵活性。

SIMD（单指令流多数据流）是一组非凡的 CPU 指令，用于并行处理矢量化数据。目前，大多数 CPU 都反对 SIMD，并宽泛用于图像处理和大数据计算。毫无疑问，SIMD 在 JSON 解决中很有用（整形 - 字符串转换，字符搜寻等都是适合的场景）。咱们能够看到，simdjson-go 在大型 JSON 场景 (>100KB) 下十分有竞争力。然而，对于一些很小或不规则的字符字符串，SIMD 所需的额定加载操作将导致性能降落。因而，咱们须要思考不同的场景，并决定哪些场景应该应用 SIMD，哪些不应该应用（例如，长度小于 16 字节的字符串）。

第二个问题来自 Go 编译器自身。为了保障编译速度，Golang 在编译阶段简直不进行任何优化工作 也无奈间接应用编译器后端，如 LLVM 等进行优化。

那么，一些要害的计算函数是否用计算效率更高的其余语言编写吗?

C/Clang 是一种现实的编译工具（外部集成了 LLVM）。但要害是如何将优化后的汇编嵌入到 Golang 中。

如何更好地应用 `Gjson`？

咱们还发现在单键查找场景中，gjson 具备微小的劣势。这是因为它的查找是通过 惰性加载机制 实现的，奇妙地跳过了传递的值，并无效的缩小了许多不必要的解析。理论利用证实，在产品中充分利用这个个性的确能带来收益。然而，当波及到多键查找时，Gjson 甚至比规范库还要差，这是其跳过机制的副作用——搜寻雷同门路会导致反复解析（跳过解析也是一种轻量的解析）因而，依据理论状况精确的做出调整是关键问题。

基于以上问题，咱们的设计很好实现：

针对编解码动静汇编的函数调用开销，咱们 应用 JIT 技术在运行时组装与模式对应的字节码（汇编指令），最终将其以 Golang 函数的模式缓存在堆外内存上。
针对大数据和小数据共存的理论场景，咱们 应用预处理判断 （字符串大小、浮点数精度等） 将 SIMD 与标量指令相结合，从而实现对理论状况的最佳适应。
对于 Golang 语言编译优化的有余，咱们决定 应用 C/Clang 编写和编译外围计算函数 ，并且 开发了一套 asm2asm 工具，将通过充沛优化的 x86 汇编代码转换为 Plan9 格局，最终加载到 Golang 运行时中。
思考到解析和跳过解析之间的速度差别很大，惰性加载机制 当然也在咱们的 AST 解析器中应用了，但 以一种更具适应性和高效性的形式来升高多键查问的开销。

在细节上，咱们进行了一些进一步的优化：

因为 Golang 中的原生汇编函数不能被内联，咱们发现其老本甚至超过了 C 编译器的优化所带来的改善。所以咱们在 JIT 中从新实现了一组轻量级的函数调用：
- 全局函数表 + 动态偏移量，用于调用指令
- 应用寄存器传递参数
Sync.Map 一开始被用来缓存编解码器，然而对于咱们的 准动态 （读远多于写）， 元素较少（通常有余几十个）的场景，它的性能并不现实，所以咱们应用凋谢寻址哈希和 RCU 技术从新实现了一个高性能且并发平安的缓存。

性能测试脚本代码：

#!/usr/bin/env bash

pwd=$(pwd)
export SONIC_NO_ASYNC_GC=1

cd $pwd/encoder
go test -benchmem -run=^$ -benchtime=100000x -bench "^(BenchmarkEncoder_.*)$"

cd $pwd/decoder
go test -benchmem -run=^$ -benchtime=100000x -bench "^(BenchmarkDecoder_.*)$"

cd $pwd/ast
go test -benchmem -run=^$ -benchtime=1000000x -bench "^(BenchmarkGet.*|BenchmarkSet.*)$"

go test -benchmem -run=^$ -benchtime=10000x -bench "^(BenchmarkParser_.*|BenchmarkEncode.*)$"

go test -benchmem -run=^$ -benchtime=10000000x -bench "^(BenchmarkNodeGetByPath|BenchmarkStructGetByPath|BenchmarkNodeIndex|BenchmarkStructIndex|BenchmarkSliceIndex|BenchmarkMapIndex|BenchmarkNodeGet|BenchmarkSliceGet|BenchmarkMapGet|BenchmarkNodeSet|BenchmarkMapSet|BenchmarkNodeSetByIndex|BenchmarkSliceSetByIndex|BenchmarkStructSetByIndex|BenchmarkNodeUnset|BenchmarkMapUnset|BenchmarkNodUnsetByIndex|BenchmarkSliceUnsetByIndex|BenchmarkNodeAdd|BenchmarkSliceAdd|BenchmarkMapAdd)$"

cd $pwd/external_jsonlib_test/benchmark_test
go test -benchmem -run=^$ -benchtime=100000x -bench "^(BenchmarkEncoder_.*|BenchmarkDecoder_.*)$"

go test -benchmem -run=^$ -benchtime=1000000x -bench "^(BenchmarkGet.*|BenchmarkSet.*)$"

go test -benchmem -run=^$ -benchtime=10000x -bench "^(BenchmarkParser_.*)$"

unset SONIC_NO_ASYNC_GC
cd $pwd

对于 * 所有大小 * 的 json 和* 所有应用场景 *，*Sonic 体现均为最佳 *。

– 中型 (13kB, 300+ 键, 6 层)

goversion: 1.17.1

goos: darwin

goarch: amd64

cpu: Intel(R) Core(TM) i9-9880H CPU @ 2.30GHz

BenchmarkEncoder_Generic_Sonic-16                      32393 ns/op         402.40 MB/s       11965 B/op          4 allocs/op

BenchmarkEncoder_Generic_Sonic_Fast-16                 21668 ns/op         601.57 MB/s       10940 B/op          4 allocs/op

BenchmarkEncoder_Generic_JsonIter-16                   42168 ns/op         309.12 MB/s       14345 B/op        115 allocs/op

BenchmarkEncoder_Generic_GoJson-16                     65189 ns/op         199.96 MB/s       23261 B/op         16 allocs/op

BenchmarkEncoder_Generic_StdLib-16                    106322 ns/op         122.60 MB/s       49136 B/op        789 allocs/op

BenchmarkEncoder_Binding_Sonic-16                       6269 ns/op        2079.26 MB/s       14173 B/op          4 allocs/op

BenchmarkEncoder_Binding_Sonic_Fast-16                  5281 ns/op        2468.16 MB/s       12322 B/op          4 allocs/op

BenchmarkEncoder_Binding_JsonIter-16                   20056 ns/op         649.93 MB/s        9488 B/op          2 allocs/op

BenchmarkEncoder_Binding_GoJson-16                      8311 ns/op        1568.32 MB/s        9481 B/op          1 allocs/op

BenchmarkEncoder_Binding_StdLib-16                     16448 ns/op         792.52 MB/s        9479 B/op          1 allocs/op

BenchmarkEncoder_Parallel_Generic_Sonic-16              6681 ns/op        1950.93 MB/s       12738 B/op          4 allocs/op

BenchmarkEncoder_Parallel_Generic_Sonic_Fast-16         4179 ns/op        3118.99 MB/s       10757 B/op          4 allocs/op

BenchmarkEncoder_Parallel_Generic_JsonIter-16           9861 ns/op        1321.84 MB/s       14362 B/op        115 allocs/op

BenchmarkEncoder_Parallel_Generic_GoJson-16            18850 ns/op         691.52 MB/s       23278 B/op         16 allocs/op

BenchmarkEncoder_Parallel_Generic_StdLib-16            45902 ns/op         283.97 MB/s       49174 B/op        789 allocs/op

BenchmarkEncoder_Parallel_Binding_Sonic-16              1480 ns/op        8810.09 MB/s       13049 B/op          4 allocs/op

BenchmarkEncoder_Parallel_Binding_Sonic_Fast-16         1209 ns/op        10785.23 MB/s      11546 B/op          4 allocs/op

BenchmarkEncoder_Parallel_Binding_JsonIter-16           6170 ns/op        2112.58 MB/s        9504 B/op          2 allocs/op

BenchmarkEncoder_Parallel_Binding_GoJson-16             3321 ns/op        3925.52 MB/s        9496 B/op          1 allocs/op

BenchmarkEncoder_Parallel_Binding_StdLib-16             3739 ns/op        3486.49 MB/s        9480 B/op          1 allocs/op

BenchmarkDecoder_Generic_Sonic-16                      66812 ns/op         195.10 MB/s       57602 B/op        723 allocs/op

BenchmarkDecoder_Generic_Sonic_Fast-16                 54523 ns/op         239.07 MB/s       49786 B/op        313 allocs/op

BenchmarkDecoder_Generic_StdLib-16                    124260 ns/op         104.90 MB/s       50869 B/op        772 allocs/op

BenchmarkDecoder_Generic_JsonIter-16                   91274 ns/op         142.81 MB/s       55782 B/op       1068 allocs/op

BenchmarkDecoder_Generic_GoJson-16                     88569 ns/op         147.17 MB/s       66367 B/op        973 allocs/op

BenchmarkDecoder_Binding_Sonic-16                      32557 ns/op         400.38 MB/s       28302 B/op        137 allocs/op

BenchmarkDecoder_Binding_Sonic_Fast-16                 28649 ns/op         455.00 MB/s       24999 B/op         34 allocs/op

BenchmarkDecoder_Binding_StdLib-16                    111437 ns/op         116.97 MB/s       10576 B/op        208 allocs/op

BenchmarkDecoder_Binding_JsonIter-16                   35090 ns/op         371.48 MB/s       14673 B/op        385 allocs/op

BenchmarkDecoder_Binding_GoJson-16                     28738 ns/op         453.59 MB/s       22039 B/op         49 allocs/op

BenchmarkDecoder_Parallel_Generic_Sonic-16             12321 ns/op        1057.91 MB/s       57233 B/op        723 allocs/op

BenchmarkDecoder_Parallel_Generic_Sonic_Fast-16        10644 ns/op        1224.64 MB/s       49362 B/op        313 allocs/op

BenchmarkDecoder_Parallel_Generic_StdLib-16            57587 ns/op         226.35 MB/s       50874 B/op        772 allocs/op

BenchmarkDecoder_Parallel_Generic_JsonIter-16          38666 ns/op         337.12 MB/s       55789 B/op       1068 allocs/op

BenchmarkDecoder_Parallel_Generic_GoJson-16            30259 ns/op         430.79 MB/s       66370 B/op        974 allocs/op

BenchmarkDecoder_Parallel_Binding_Sonic-16              5965 ns/op        2185.28 MB/s       27747 B/op        137 allocs/op

BenchmarkDecoder_Parallel_Binding_Sonic_Fast-16         5170 ns/op        2521.31 MB/s       24715 B/op         34 allocs/op

BenchmarkDecoder_Parallel_Binding_StdLib-16            27582 ns/op         472.58 MB/s       10576 B/op        208 allocs/op

BenchmarkDecoder_Parallel_Binding_JsonIter-16          13571 ns/op         960.51 MB/s       14685 B/op        385 allocs/op

BenchmarkDecoder_Parallel_Binding_GoJson-16            10031 ns/op        1299.51 MB/s       22111 B/op         49 allocs/op

BenchmarkGetOne_Sonic-16                                3276 ns/op        3975.78 MB/s          24 B/op          1 allocs/op

BenchmarkGetOne_Gjson-16                                9431 ns/op        1380.81 MB/s           0 B/op          0 allocs/op

BenchmarkGetOne_Jsoniter-16                            51178 ns/op         254.46 MB/s       27936 B/op        647 allocs/op

BenchmarkGetOne_Parallel_Sonic-16                      216.7 ns/op       60098.95 MB/s          24 B/op          1 allocs/op

BenchmarkGetOne_Parallel_Gjson-16                       1076 ns/op        12098.62 MB/s          0 B/op          0 allocs/op

BenchmarkGetOne_Parallel_Jsoniter-16                   17741 ns/op         734.06 MB/s       27945 B/op        647 allocs/op

BenchmarkSetOne_Sonic-16                               9571 ns/op         1360.61 MB/s        1584 B/op         17 allocs/op

BenchmarkSetOne_Sjson-16                               36456 ns/op         357.22 MB/s       52180 B/op          9 allocs/op

BenchmarkSetOne_Jsoniter-16                            79475 ns/op         163.86 MB/s       45862 B/op        964 allocs/op

BenchmarkSetOne_Parallel_Sonic-16                      850.9 ns/op       15305.31 MB/s        1584 B/op         17 allocs/op

BenchmarkSetOne_Parallel_Sjson-16                      18194 ns/op         715.77 MB/s       52247 B/op          9 allocs/op

BenchmarkSetOne_Parallel_Jsoniter-16                   33560 ns/op         388.05 MB/s       45892 B/op        964 allocs/op

BenchmarkLoadNode/LoadAll()-16                         11384 ns/op        1143.93 MB/s        6307 B/op         25 allocs/op

BenchmarkLoadNode_Parallel/LoadAll()-16                 5493 ns/op        2370.68 MB/s        7145 B/op         25 allocs/op

BenchmarkLoadNode/Interface()-16                       17722 ns/op         734.85 MB/s       13323 B/op         88 allocs/op

BenchmarkLoadNode_Parallel/Interface()-16              10330 ns/op        1260.70 MB/s       15178 B/op         88 allocs/op

– 小型 (400B, 11 个键, 3 层)

– 大型 (635kB, 10000+ 个键, 6 层)

Go 切片底层原理看这篇文章就够了
轻松了解 Go 中的内存逃逸问题
面试 Go 被 defer 的几个盲区坑了

正文完

go

发表至： go

2023-07-13

0

关于go:万万没想到go也能使用对象来操作数据库了网友直呼健壮性有保证了

关于go:Google翻译的坑

关于go:Go-遥测将可选加入Google-收集数据的黑历史对-Go-有负面影响

关于go:两个-go-struct-比较

关于java:用-Spring-管理-Controller你觉得可行吗

关于go:基于-JIT-技术的开源全场景高性能-JSON-库

自研背景

如何应用

依赖

特色

应用形式

序列化 / 反序列化

流式输入输出

应用 `Number` / `int64`

对键排序

HTML 本义

紧凑格局

打印谬误

类型不匹配 [Sonic v1.6.0]

`Ast.Node`

查找 / 索引

批改

序列化

APIs

`Ast.Visitor`

兼容性

注意事项

预热

拷贝字符串

传递字符串还是字节数组？

减速 `encoding.TextMarshaler`

泛型的性能优化

应用 `ast.Node` 还是 `ast.Visitor`？

底层原理

为什么 Json-iterator 比规范库快？

有没有方法防止动静组装函数的调用开销？

为什么 Simdjson-go 速度不够快？

如何更好地应用 `Gjson`？

设计

性能测试

相干浏览

站内搜索

关于go:基于-JIT-技术的开源全场景高性能-JSON-库

自研背景

如何应用

依赖

特色

应用形式

序列化 / 反序列化

流式输入输出

应用 Number / int64

对键排序

HTML 本义

紧凑格局

打印谬误

类型不匹配 [Sonic v1.6.0]

Ast.Node

查找 / 索引

批改

序列化

APIs

Ast.Visitor

兼容性

注意事项

预热

拷贝字符串

传递字符串还是字节数组？

减速 encoding.TextMarshaler

泛型的性能优化

应用 ast.Node 还是 ast.Visitor？

底层原理

为什么 Json-iterator 比规范库快？

有没有方法防止动静组装函数的调用开销？

为什么 Simdjson-go 速度不够快？

如何更好地应用 Gjson？

设计

性能测试

相干浏览

站内搜索

应用 `Number` / `int64`

`Ast.Node`

`Ast.Visitor`

减速 `encoding.TextMarshaler`

应用 `ast.Node` 还是 `ast.Visitor`？

如何更好地应用 `Gjson`？