map转成json对象（map转json对象 fastjson）



起因是公司原先用的是阿里开源的FastJSON，大家用的也比较顺手，但是在出现了两次严重的漏洞后，公司决定放弃FastJSON，使用其他序列化/反序列化工具。考虑大家常用的无非就是FastJSON、Jackson和Gson这三种，因此领导让我调研一下到底是使用Gson还是Jackson。

关于漏洞这里我多说一句，建议大家还真得把这个事情当一个事情。我之前就被漏洞坑了一把，在一台linux服务器上部署了6.5版本的confluence，后来阿里云也发紧急通知了，告知赶紧升级，然而我并没有当一回事，过了没两天我就中招了，这台机器被挖矿了，什么都干不了，只能是初始化系统，好一顿折腾～

秉持着严谨且负责的精神，这个事情还是要好好做一下子的～

FastJSON、Gson、Jackson序列化性能比较.png

FastJSON、Gson、Jackson反序列化性能比较.png

为了营造一个相对准确、互不影响的测试环境，我们需要有以下限制(要求)：

• 三种JSON引擎版本:

搞事情之前，我们先来复习一下什么是序列化与反序列化：

序列化：把Java对象转换为字节序列的过程。

反序列化：把字节序列恢复为Java对象的过程。

对象的序列化主要有两种用途：

持久化对象：把对象的字节序列永久地保存到硬盘上，通常存放在一个文件中；

网络传输对象：在网络上传送对象的字节序列。

创建一个对象，包含Boolean、Integer、Long、Double、Date、String、ArrayList、HashMap等数据类型，构造方法即初始化好对象，方便后面使用：

其中randomString()、randomList()、randomMap()方法如下：

序列化测试代码：

测试对象数分别为1、100、1000、10000、个，对象都是预先生成好，然后再依次执行三种JSON引擎执行序列化操作，输出结果：

生成条形图：

FastJSON、Gson、Jackson序列化性能比较.png

从上图来分析，可以知道的是，在数据量较少(1、10、100)的时候，Gson的性能最优，且优势较明显，当对象数量在1000的时候，Jackson的性能开始上来了，因此在对象数量在1～1000的时候，性能比拼：Gson>Jackson>FastJSON。

但是当数量达到10000、级别的时候，Gson的性能下降的比较厉害，而FastJson和Jackson依旧保持着它们的快，性能比较：Jackson>FastJSON>Gson。

反序列化测试代码：

测试对象数分别为1、100、1000、10000、个，对象都是预先序列化好，然后再依次执行三种JSON引擎执行反序列化操作，输出结果：

生成条形图：

FastJSON、Gson、Jackson反序列化性能比较.png

反序列化性能测试，

在对象数量为1、10、100的时候，Gson的性能最好，Jackson次之，性能排序为：Gson>Jackson>FastJson；

在对象数量为1000、10000的时候，Gson的性能下降比较明显，这个量级下性能排序为：FastJson>Jackson>Gson。

在对象数量为10w的时候，Jackson反超FastJson，性能排序为：Jackson>FastJson>Gson。

在做这个性能测试之前，也是在网上查找了一下大家是怎么做这个性能测试的，有的很复杂，有的却也简单，最终我还是选择了一种简单的测试方式，在尽可能的规避其他因素的影响，比如：提前生成好数据、三种引擎测试的样本数据一致、1～10w次的次数测试的时候都是重新运行main方法，尽量避免虚拟机的影响。

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/qdvuejs/21520.html