.NET性能系列文章二：Newtonsoft.Json vs. System.Text.Json
微软终于追上了？
图片来自 Glenn Carstens-Peters Unsplash
欢迎来到.NET性能系列的另一章。这个系列的特点是对.NET世界中许多不同的主题进行研究、基准和比较。正如标题所说的那样，重点在于使用最新的.NET7的性能。你将看到哪种方法是实现特定主题的最快方法，以及大量的技巧和窍门，你如何能以较低的努力最大化你的代码性能。如果你对这些主题感兴趣，请继续关注
在这篇文章中，我们将比较两个最突出的.NET的json框架。：
Newtonsofts Json.NET 和 Microsofts System.Text.Json.
Newtonsoft.Json是NuGet上下载量最大的软件包，下载量超过23亿。System.Text.Json稍稍落后，大约有6亿次下载。然而，我们需要考虑的是，System.Text.Json自.NET Core 3.1起就默认随.NET SDK交付。既然如此，Newtonsoft似乎仍然是最受欢迎的json框架。让我们来看看，它是否能保持它的名次，或者微软是否在性能方面缓慢但肯定地领先。
测试方案
为了模拟现实生活中应用的真实场景，我们将测试两个主要用例。
- 第一，单个大数据集的序列化和反序列化。
- 第二是许多小数据集的序列化和反序列化。
一个真实的场景也需要真实的数据。对于测试数据集，我决定使用NuGet包Bogus。通过Bogus，我能够快速生成许多不同的用户，包括个人姓名、电子邮件、ID等。
[Params(10000)]
public int Count { get; set; }
private List<User> testUsers;
[GlobalSetup]
public void GlobalSetup()
{
var faker = new Faker<User>()
.CustomInstantiator(f => new User(
Guid.NewGuid(),
f.Name.FirstName(),
f.Name.LastName(),
f.Name.FullName(),
f.Internet.UserName(f.Name.FirstName(), f.Name.LastName()),
f.Internet.Email(f.Name.FirstName(), f.Name.LastName())
));
testUsers = faker.Generate(Count);
}
对于基准，我们将使用每个软件包的最新版本，目前是（2022年10月）:
- Newtonsoft.Json — 13.0.1 and
- System.Text.Json — 7.0.0-rc.2
序列化测试
序列化大对象
为了测试一个大对象的序列化，我们简单地使用List<User>，我们在GlobalSetup()方法中设置了它。我们的基准方法看起来像这样：
[Benchmark(Baseline = true)]
public void NewtonsoftSerializeBigData() =>
_ = Newtonsoft.Json.JsonConvert.SerializeObject(testUsers);
[Benchmark]
public void MicrosoftSerializeBigData() =>
_ = System.Text.Json.JsonSerializer.Serialize(testUsers);
这些方法都使用默认的ContractResolver，它只被实例化一次，因此是两个框架中性能最好的序列化选项。如果你使用自定义的JsonSerializerSettings，注意不要多次实例化ContractResolver，否则你会降低很多性能。
现在我们来看看结果：
| Method | Count | Mean | Ratio | Allocated | Alloc Ratio |
|---|---|---|---|---|---|
| NewtonsoftSerializeBigData | 10000 | 7.609 ms | 1.00 | 8.09 MB | 1.00 |
| MicrosoftSerializeBigData | 10000 | 3.712 ms | 0.49 | 3.42 MB | 0.42 |
尽管Newtonsoft在他们的第一个文档网站上说。
高性能：比.NET的内置JSON序列化器快
我们可以清楚地看到，到目前为止，他们并不比内置的JSON序列化器快。至少在这个用例中是这样。让我们来看看，在其他使用情况下是否也是如此。
序列化许多小对象
这个用例在实际应用中比较常见，例如在REST-Apis中，每个网络请求都必须处理JSON序列化数据，并且也要用JSON序列化数据进行响应。
为了实现这个用例，我们使用之前建立的List<User>，并简单地循环通过它，同时单独序列化每个用户。
[Benchmark(Baseline = true)]
public void NewtonsoftSerializeMuchData()
{
foreach (var user in testUsers)
{
_ = Newtonsoft.Json.JsonConvert.SerializeObject(user);
}
}
[Benchmark]
public void MicrosoftSerializeMuchData()
{
foreach (var user in testUsers)
{
_ = System.Text.Json.JsonSerializer.Serialize(user);
}
}
在我的机器上，这个基准测试导致了以下结果：
| Method | Count | Mean | Ratio | Allocated | Alloc Ratio |
|---|---|---|---|---|---|
| NewtonsoftSerializeMuchData | 10000 | 8.087 ms | 1.00 | 17.14 MB | 1.00 |
| MicrosoftSerializeMuchData | 10000 | 3.944 ms | 0.49 | 3.64 MB | 0.21 |
我们可以看到对于许多小对象来说，性能又快了近100%。不仅System.Text.Json的性能比Newtonsoft快了一倍，而且堆分配的内存甚至少了5倍! 正如我在以前的文章中提到的，节省堆内存甚至比速度更重要，你在这里看到了。堆内存最终将不得不被垃圾回收，这将阻塞你的整个应用程序的执行。
反序列化测试
在现实世界的应用中，你不仅要序列化，还要从JSON序列化的字符串中反序列化对象。在下面的基准中，我们将再次使用Bogus，创建一组用户，但这次我们要把它们序列化为一个大的字符串，用于大数据对象，并把许多小数据对象序列化为List<string>。
private string serializedTestUsers;
private List<string> serializedTestUsersList = new();
[GlobalSetup]
public void GlobalSetup()
{
var faker = new Faker<User>()
.CustomInstantiator(f => new User(
Guid.NewGuid(),
f.Name.FirstName(),
f.Name.LastName(),
f.Name.FullName(),
f.Internet.UserName(f.Name.FirstName(), f.Name.LastName()),
f.Internet.Email(f.Name.FirstName(), f.Name.LastName())
));
var testUsers = faker.Generate(Count);
serializedTestUsers = JsonSerializer.Serialize(testUsers);
foreach (var user in testUsers.Select(u => JsonSerializer.Serialize(u)))
{
serializedTestUsersList.Add(user);
}
}
反序列化大对象
第一个反序列化基准将一个大的JSON字符串反序列化为相应的.NET对象。在这种情况下，它又是List<User>，我们在前面的例子中也使用了它。
[Benchmark(Baseline = true)]
public void NewtonsoftDeserializeBigData() =>
_ = Newtonsoft.Json.JsonConvert.DeserializeObject<List<User>>(serializedTestUsers);
[Benchmark]
public void MicrosoftDeserializeBigData() =>
_ = System.Text.Json.JsonSerializer.Deserialize<List<User>>(serializedTestUsers);
在我的机器上运行这些基准测试，得出以下结果：
| Method | Count | Mean | Ratio | Allocated | Alloc Ratio |
|---|---|---|---|---|---|
| NewtonsoftDeserializeBigData | 10000 | 21.20 ms | 1.00 | 10.55 MB | 1.00 |
| MicrosoftDeserializeBigData | 10000 | 12.12 ms | 0.57 | 6.17 MB | 0.59 |
就性能而言，微软仍然远远领先于Newtonsoft。然而，我们可以看到，Newtonsoft并没有慢一半，而是慢了40%左右，这在与序列化基准的直接比较中是一个进步。
反序列化许多小对象
本章的最后一个基准是许多小对象的反序列化。在这里，我们使用我们在上面的GlobalSetup()方法中初始化的List<string>，在一个循环中反序列化数据对象：
[Benchmark(Baseline = true)]
public void NewtonsoftDeserializeMuchData()
{
foreach (var user in serializedTestUsersList)
{
_ = Newtonsoft.Json.JsonConvert.DeserializeObject<User>(user);
}
}
[Benchmark]
public void MicrosoftDeserializeMuchData()
{
foreach (var user in serializedTestUsersList)
{
_ = System.Text.Json.JsonSerializer.Deserialize<User>(user);
}
}
其结果甚至比相关的序列化基准更令人吃惊：
| Method | Count | Mean | Ratio | Allocated | Alloc Ratio |
|---|---|---|---|---|---|
| NewtonsoftDeserializeMuchData | 10000 | 15.577 ms | 1.00 | 35.54 MB | 1.00 |
| MicrosoftDeserializeMuchData | 10000 | 7.916 ms | 0.51 | 4.8 MB | 0.14 |
在Microsofts框架下，速度又快了一倍，内存效率是惊人的7倍，比Newtonsoft还要好!
总结
尽管Newtonsoft在他们的文档上说:
高性能：比.NET的内置JSON序列化器更快
很明显，至少从.NET 7开始，Microsofts的System.Text.Json在所有测试的用例中至少快了一倍，命名为。
- 序列化一个大数据集
- 序列化许多小数据集
- 对一个大数据集进行反序列化
- 对许多小数据集进行反序列化
所有这些都是在每个框架的默认序列化器设置下进行的。
不仅速度快了100%，而且在某些情况下，分配的内存甚至比Newtonsoft的效率高5倍以上。
我甚至认为，可以推断出结果，目前使用System.Text.Json比Newtonsoft.Json更快。
请记住，这些结果只对最新的.NET 7有效。如果你使用的是其他版本的.NET，情况可能正好相反，Newtonsoft可能会更快。
我希望，我的文章可以帮助你对序列化器做出选择选择，并让你对性能和基准测试的世界有一个有趣的切入点。
如果你喜欢这个系列的文章，请一定要关注我，因为还有很多有趣的话题等着你。
谢谢你的阅读!
版权
原文版权：Tobias Streng
翻译版权：InCerry
原文链接：https://medium.com/@tobias.streng/net-performance-series-2-newtonsoft-vs-system-text-json-2bf43e037db0
