导语 | Go的“玩家”们看到这个题目可能会很疑惑——对于JSON而言，Go原生库encoding/json已经是提供了足够舒适的JSON处理工具，广受Go开发者的好评。它还能有什么问题？Golang原生json可以一库走天下吗？实际上在业务开发过程中，我们遇到了不少原生json做不好甚至是做不到的问题，还真是不能完全满足我们的要求。那么，它有什么问题吗？什么情况下使用第三方库？如何选型？性能如何？

（一）Go原生encoding/json

这应该是广大Go程序员最熟悉的库了，使用json.Unmarshal和json.Marshal函数，可以轻松将JSON格式的二进制数据反序列化到指定的Go结构体中，以及将Go结构体序列化为二进制流。而对于未知结构或不确定结构的数据，则支持将二进制反序列化到map[string]interface{} 类型中，使用KV的模式进行数据的存取。

这里我提两个大家可能不会留意到的额外特性：

• json包解析的是一个JSON数据，而JSON数据既可以是对象（object），也可以是数组（array），同时也可以是字符串（string）、数值（number）、布尔值（boolean）以及空值（null）。而上述的两个函数，其实也是支持对这些类型值的解析的。比如下面段代码也是能用的：

var s stringerr := json.Unmarshal([]byte(`"Hello, world!"`), &s)// 注意字符串中的双引号不能缺，如果仅仅是 `Hello, world`，则这不是一个合法的JSON序列，会返回错误。

• json在解析时，如果遇到大小写问题，会尽可能地进行大小写转换。即便是一个key与结构体中的定义不同，但如果忽略大小写后是相同的，那么依然能够为字段赋值。比如下面的例子可以说明：

cert := struct {    Username string `json:"username"`    Password string `json:"password"`}{}    err := json.Unmarshal([]byte(`{"UserName":"root","passWord":"123456"}`), &cert)if err != nil {    fmt.Println("err =", err)} else {    fmt.Println("username =", cert.Username)    fmt.Println("password =", cert.Password)}// 实际输出: // username = root// password = 123456

（二）jsoniter

打开jsoniter的GitHub主页，它一上来就宣扬两个关键词：high-performance以及compatible。这也是这个包最大的两个卖点。

首先说兼容：jsoniter最大的优势就在于：能够100%兼容标准库，因此代码能够非常方便地进行迁移。实在是不方便的。也可以用Go Monkey强行换掉json的相关函数入口。

接着看性能：与其他吹嘘自己性能的开源库一样，它们自己的测试结论都不能无脑采信。这里我根据我个人的测试情况，先抛几个简单的结论吧：

• 在反序列化结构体这一单一场景下，jsoniter相比标准库确实有提升，我自己测得的结果大约是提升1.4倍左右。

• 但同样是反序列化结构体这单一场景，jsoniter远远不如easyjson。

• 其他场景则不见得，后面我会再做说明。

从性能上，jsoniter能够比众多大神联合开发的官方库性能还快的主要原因，一个是尽量减少不必要的内存复制，另一个是减少reflect的使用——同一类型的对象，jsoniter只调用reflect解析一次之后即缓存下来。不过随着go版本的迭代，原生json库的性能也越来越高，jsonter的性能优势也越来越窄。

此外，jsoniter还支持Get函数，支持直接从一个[]byte二进制数据中读取响应的字段，这个后文再做说明。

（三）easyjson

这是GitHub上面的另一个JSON解析包。相比起jsoniter多达9k的star而言，easyjson似乎少一点，有3k，但其实也算是一个人气很高的开源项目。

这个包最主要的卖点，依然是快。为什么easyjson比jsoniter还要快？因为easyjson的开发模式与protobuf类似，在程序运行之前需要使用其代码工具，为每一个结构体专门生成序列化/反序列化的程序代码。每一个程序都有定制化的解析函数。

但也因为这种开发模式，easyjson对业务的侵入性比较高。一方面，在go build之前需要先生成代码；另一方面，相关的JSON处理函数也不兼容原生json库。

（四）jsonparser

这是我个人非常喜欢的一个JSON解析库，3.9k的star数也可以看出它人气不低。它的GitHub主页标题就号称比官方库有高达10x的性能。

还是那句话：开源项目自己的测试结论都不能无脑采信。这个10x的性能我个人也测出来过，但不能代表所有的场景。

为什么jsonparser有那么高的性能呢？因为对于jsonparser本身，它只负责解构出一个二进制字节串中的一些关键边界字符，比如说：

• 找到“，那么就找到结束的”，这中间就是一个字符串。

• 找到[，那么就找到成对的]，这中间就是一个数组。

• 找到{，那么就找到成对的}，这中间就是一个对象。

• ……

然后，它将找到的数据中间的这段[]byte数据交给调用方，由调用方进行进一步的处理。此时，对这些二进制数据的解析和合法性检查是需要调用方来负责的。

为什么看起来这么麻烦的开源库我会喜欢呢？因为开发者可以基于jsonparser，构建特殊逻辑，甚至是构建自己的json解析库。我自己的开源项目jsonvalue在早期也基于 jsonparser 实现，尽管后来为了进一步优化性能而弃用了jsonparser，但这不影响我对它的推崇。

（五）jsonvalue

这个项目是个人的JSON解析库，设计之初是为了替代原生JSON库使用map[string]interface{}来处理非结构化JSON数据的需求。为此我有另外一篇文章叙述了这个问题：《还在用map[string]interface{}处理 JSON？告诉你一个更高效的方法——jsonvalue》。

我大致完成了对库的优化（参见最新版本），性能已经远远高于原生json库，并且略微优于jsoniter。当然，这也是特定情况下的，针对各种大相径庭的场景，各种库性能各不相同。

除了struct和map之外，还有别的？下面就我在实际业务开发中遇到的场景都列一下，以飨读者。所有测试代码均开源，读者可以查阅，也可以向我提出意见，提issue、评论、私聊均可。

（一）常规操作：结构体解析

结构体解析，这是Go中处理JSON最最常规的操作了。这里我定义了这样的一个结构体：

type object struct {  Int    int       `json:"int"`  Float  float64   `json:"float"`  String string    `json:"string"`  Object *object   `json:"object,omitempty"`  Array  []*object `json:"array,omitempty"`}

稍微使了点坏——这个结构可以疯狂自嵌套。

然后呢，我再定义了一段二进制流，用json.cn可以看到，这是一个有5层结构的JSON对象。

{"int":123456,"float":123.456789,"string":"Hello, world!","object":{"int":123456,"float":123.456789,"string":"Hello, world!","object":{"int":123456,"float":123.456789,"string":"Hello, world!","object":{"int":123456,"float":123.456789,"string":"Hello, world!","object":{"int":123456,"float":123.456789,"string":"Hello, world!"},"array":[{"int":123456,"float":123.456789,"string":"Hello, world!"},{"int":123456,"float":123.456789,"string":"Hello, world!"}]}}},"array":[{"int":123456,"float":123.456789,"string":"Hello, world!"},{"int":123456,"float":123.456789,"string":"Hello, world!"}]}

使用这两个结构，分别对官方encoding/json，jsoniter。easyjson三个包进行Marshal和Unmarshal的测试。首先我们看反序列化（Unmarshal）的测试结果：

下面是序列化的测试结果：

纯粹从性能上来看，easyjson不愧是专门为每一个struct定制化了序列化和反序列化函数，它达到了最高的性能，比另外两个库均有2.5~3倍的效率。而jsoniter略高于官方json，不过相差不大。

（二）常规的非常规操作: map[string]interface{}

说是 “非常规” 的原因是，在这种情况下，程序需要处理非结构化的JSON 数据，或者是在一段函数中处理多种不同类型的数据结构，因而不能使用结构体模式来处理。官方JSON库的解决方案是（对于对象类型）采用 map[string]interface{}来保存。这个场景下，只有官方json和jsoniter支持。

测试数据如下，首先是反序列化：

序列化情况测试数据如下：

可见，针对这种情况，大家都是半斤八两，jsoniter并没有什么明显优势。即便是jsoniter作为卖点的大数据量解析，优势也是微乎其微。在同等数据量情况下，两个库反序列化的耗时基本上是结构体情况的两倍，而序列化时间则是结构体情况的约2.5倍。

老铁们能不用这种操作就不要用了吧，更何况程序在处理interface{}时还需要各种断言，这种痛苦，各位可以看我的文章感受一下。

真的涉及到无法使用struct的时候，就各种开源项目八仙过海各显神通了。每一个库其实都有非常详细和强大的额外功能，单单本文肯定无法说完。这里我就几个库及其代表的思路列举一下吧，后面也会附上各种情况的测试数据。

（一）jsoniter

在处理非结构化JSON中，如果要解析一段[]byte数据并获得其中的某个值，jsoniter有以下相类似的方案。

第一种方案是直接解析原文并返回所需数据：

// 读取二进制数据中 response.userList 数组中的第一个元素的 name 字段username := jsoniter.Get(data, "response", "userList", 0, "name")fmt.Println("username:", username.ToString())

也可以是直接返回一个对象，并且基于该对象可以继续操作：

obj := jsoniter.Get(data)if obj.ValueType() == jsoniter.InvalidType {    // err handling}username := obj.Get("response", "userList", 0, "name")fmt.Println("username:", username.ToString())

这个函数有一个非常大的特点，那就是按需解析。比如说在这个语句obj :=jsoniter.Get(data) 中，jsoniter就只做了最低限度的数据检查，至少先解析出了当前是一个object类型的JSON，其他部分的解析均不做。

而即便是到了第二个调用obj.Get(“response”，“userList”，0，“name”) 中，jsoniter也是竭尽可能减少不必要的解析，只解析需要解析的部分。

比如说，请求参数中要求解析response.userList的值，那么jsoniter在遇到诸如response.gameList等无关字段的时候，那么jsoniter就回尽量绕开而不去处理，从而尽可能地减少无关的CPU时间。

不过需要注意的是，返回的这个obj对象，从接口功能来看，可以理解为它是只读的，无法重新序列化为二进制序列。

（二）jsonparser

相对于jsoniter，要解析一段[]byte数据并获得其中的某个值，jsonparser的支持比较有限。

比如说，如果我们能够实现知道某一个值的类型，比如说上面的username字段，那么我们可以这么获取：

username, err := jsonparser.GetString(data, "response", "userList", "[0]", "name")if err != nil {    // err handling}fmt.Println("username:", username)

但是jsonparser的Get系列函数只能获得除了null之外的基本类型，也就是number, boolean, string三种。

如果要操作object和array，就要熟悉下面的两个函数，而这两个函数我个人觉得就是jsonparser的核心：

func ArrayEach(    data []byte,     cb func(value []byte, dataType ValueType, offset int, err error),     keys ...string,) (offset int, err error)
func ObjectEach(    data []byte,     callback func(key []byte, value []byte, dataType ValueType, offset int) error,     keys ...string,) (err error)

这两个函数按顺序解析二进制数据，并将提取出的数据段通过回调函数返回给调用方，由调用方对数据进行操作。调用方可以组map，可以组slice，甚至可以做一些平常无法操作的操作（后文会做说明）

（三）jsonvalue

这个是我本人开发的开源Go JSON操作库，在Get类操作的API设计风格上与jsoniter的第二种风格比较类似。

比如我们同样是要获取前面所说的username字段，那么我们可以这么获取：

v, err := jsonvalue.Unmarshal(data)if err != nil {    // err handling}username := v.GetString("response", "userList", 0, "name")fmt.Println("username:", username)

（四）性能测试对比

在本小节所说的“非常规操作”场景下，三个库中，jsoniter和jsonparser在解析时都是“按需解析”，而jsonvalue则是全面解析。因此在制定测试方案的时候还是有所区别。

这里我先抛出测试数据，测试评价中有两部分：

• 性能评价: 表示在该场景下的性能评分，不考虑是否好用，仅考虑CPU执行效率高不高。

• 功能评价: 表示在该场景下，获得数据之后，程序后续的处理是否方便。不考虑反序列化性能高不高。

上述测试数据中将反序列化场景中分为四种。这里我详细说明一下四种情况的应用场景，以及相应的技术选型建议：

浅解析

在测试代码中，浅解析指的是针对一个较深层级的结构，仅仅将其最浅一层的key列表解析出来。这个场景更多的是作为参考。可以看到，jsonparser的性能完爆其他开源库，它可以以最快的速度将第一层的key列表解析出来。

但是在易用性方便，jsonparser和jsoniter都需要开发者对获得的数据再做进一步的处理，因此jsoniter和jsonparser的易用性在这个场景下均略低。

获取正文中的具体某一个数据

这个场景是这样的：JSON数据正文中，仅有一小部分数据对当前业务有用并需要获取。这里我分了两种情况：

• 有用数据占全部数据的比例较高（对应“读取其中一个层级较深的数据”）：

• 这一场景下从性能上来看，jsonparser的表现一如既往地优越。

• 从易用性的角度，jsonparser需要调用方再行处理一遍数据，因此jsoniter和jsonvalue更胜一筹。

• 有用数据占全部数据的比例较低（对应“从大量（100x）数据中仅读取其中一个较深层级的值”）：

• 这一场景从性能上看，jsonprser依然完爆。

• 从易用性的角度，jsonparser依然很弱。

• 综合易用性和性能，这一场景中，有用数据的比例越低，jsonparser的价值就越高。

• 业务需要完整解析数据——这一场景是对各个方案综合性能最完整的考量。

• jsonvalue完成全部且完整的解析，其耗时比号称高速的jsoniter更低。

• 相比jsonparser，虽然jsonvalue表面上的处理时间是jsonparser的2.5倍，但后者只是完成了数据的半加工，而前者则是将成品拿了出来给调用方使用。

• 从性能的角度，jsonparser依然优秀，但在这一场景中，易用性其实很成问题——复杂的遍历操作之中，还需要再封装逻辑去存储数据。

• 性能第二是jsonvalue，这也是笔者非常自信的地方。

• 至于jsoniter，在这个场景下就不要用了——在需要对数据全解析的情况下，它的数据简直没法看。

• 最后还加上了官方json库和jsoniter解析map的数据，仅作参考——在这个场景下，也建议是不要用了。

这里指的是在没有结构体的情况下，序列化一段数据。这种场景一般发生在以下情况中：

• 需要序列化的数据格式不确定，可能会根据其他的参数来生成。

• 需要序列化的数据过多且过于琐碎，如果一一定义结构体并进行marshal的话，代码的可读性太差。

这个场景的第一个解决方案就是前文提到的“常规的非常规操作”，也就是使用map。

至于非常规操作嘛，我们首先排除jsoniter和jsonparser，因为他们没有直接的构建自定义json结构的方法。接着排除easyjson，因为它无法针对map操作。剩下的也就只有jsonvalue了。

比如我们返回用户的昵称，假设返回格式是：{“code”：0，“message”：“success”，“data”：{“nickname”：“振兴中华”}}。

使用map的代码如下：

code := 0nickname := "振兴中华"
res := map[string]interface{}{    "code": code,    "message": "success",    "data": map[string]string{        "nickname": nickname    },}b, _ := json.Marshal(&res)

而jsonvalue的方法为：

res := jsonvalue.NewObject()res.SetInt(0).At("code")res.SetString("success").At("message")res.SetString(nickname).At("data", "nickname")b := res.MustMarshal()

应该说易用性上，都非常方便。我们针对官方json、jsoniter、jsonvalue分别进行序列化操作，测得的数据如下：

结果已经非常明显了。这个原因大家也能明白，因为在处理map的时候，需要使用reflect机制去处理数据类型，这大大降低了程序的性能。

（一）结构体序列化和反序列化

在这个场景中，我个人首推的是官方的json库。可能读者会比较意外。以下是我的观点：

• 虽然easyjson的性能压倒其他所有开源项目，但它有一个最大的缺陷，那就是需要额外使用工具来生成这段代码，而对这额外工具的版本控制就多了一分运维成本。当然如果读者的团队已经能够很好地处理protobuf了的话，那么也是可以用同样的思路来管理easyjson的。

• Go1.8之前，官方json库的性能就收到多方诟病。但现今（1.16.3）官方json库的性能已不可同日而语。此外，作为使用最为广泛（没有之一）的json库，官方库的bug是最少的、兼容性也是最好的。

• jsoniter的性能虽然依然优于官方，但没有达到逆天的程度，如果希望有极致的性能，那么你应该选择easyjson而不是jsoniter。

• jsoniter近年已经不活跃了，笔者前段时间提了一个issue没人回复。后来在上去看了一下issue列表，发现居然还遗留一些2018年的issue。

（二）非结构化数据的序列化和反序列化

这个场景下，我们要分高数据利用率和低数据利用率两种情况来看。所谓数据利用率，指的是JSON数据的正文中，如果说超过四分之一的数据都是业务需要关注和处理的，那就算是高数据利用率。

1. 高数据利用率-这种情况下，我推荐使用jsonvalue。

   
   

2. 低数据利用率-这里分两种情况：JSON数据是否还需要重新序列化回去。




• 无需重新序列化：这个时候，选择jsonparser就行了，它的性能实在是耀眼。




• 需要重新序列化：这种情况，有两种选择，如果对性能要求相对较低，可以使用jsonvalue；如果性能的要求要求高，并且只需要往二进制序列中仅仅插入一个数据（重要），那么可以采用jsoniter的Set方法。读者可以查阅godoc。

实际操作中，超大JSON数据量、同时需要重新序列化的情况非常少。这种场景下往往是是代理服务器、网关、overlay中继服务等，同时又需要往原数据中注入额外信息的时候使用。换句话说，jsoniter的适用场景比较有限。

下面是从10%到60%数据覆盖率下，不同库的操作效率对比（纵坐标单位：μs/op）

raw := `{"user":{"nickName":"pony"}}` // 注意当中的 Nv, _ := jsonvalue.UnmarshalString(raw)
fmt.Println("nickname:", v.GetString("user", "nickname"))fmt.Println("nickname:", v.Caseless().GetString("user", "nickname"))
// 输出// nickname:// nickname: pony

v := jsonvalue.NewObject()v.SetString("中国").At("nation")fmt.Println(v.MustMarshalString())
// 输出// {"nation":"\u4E2D\u56FD"

张敏

腾讯高级后台工程师

腾讯高级后台工程师，在电子和互联网行业深耕多年，拥有丰富的嵌入式和云服务后台开发经验，个人博客共有过百篇文章，云+社区Top50原创作者，技术创作101第二季讲师，现负责腾讯产品后台开发。

这次全了，8种超详细Web跨域解决方案！

10分钟带你玩转Kafka基于Controller的领导选举！

LLVM极简教程：9个步骤！实现一个简单编译器

避坑指南！手把手带你解读html2canvas的实现原理

👇戳「阅读原文」前往「腾讯云+社区」作者个人主页参与交流哦~