.NET性能系列文章二：Newtonsoft.Json vs. System.Text.Json

阅读原文时间：2023年07月10日阅读：1

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

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。

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);
    }
}

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。

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