BSON格式解释

http://bsonspec.org/

BSON这种格式是专门为MongoDB而开发的，类似json的一种二进制格式。

这种格式不一定比json存储的文件小，其优点是解释快。

官方说明文档：

http://bsonspec.org/#/specification

BSON是由10gen开发的一个数据格式，目前主要用于MongoDB中，是MongoDB的数据存储格式。BSON基于JSON格式，选择JSON进行改造的原因主要是JSON的通用性及JSON的schemaless的特性。

BSON主要会实现以下三点目标：

1.更快的遍历速度

对JSON格式来说，太大的JSON结构会导致数据遍历非常慢。在JSON中，要跳过一个文档进行数据读取，需要对此文档进行扫描才行，需要进行麻烦的数据结构匹配，比如括号的匹配，而BSON对JSON的一大改进就是，它会将JSON的每一个元素的长度存在元素的头部，这样你只需要读取到元素长度就能直接seek到指定的点上进行读取了。

2.操作更简易

对JSON来说，数据存储是无类型的，比如你要修改基本一个值，从9到10，由于从一个字符变成了两个，所以可能其后面的所有内容都需要往后移一位才可以。而使用BSON，你可以指定这个列为数字列，那么无论数字从9长到10还是100，我们都只是在存储数字的那一位上进行修改，不会导致数据总长变大。当然，在MongoDB中，如果数字从整形增大到长整型，还是会导致数据总长变大的。

3.增加了额外的数据类型

JSON是一个很方便的数据交换格式，但是其类型比较有限。BSON在其基础上增加了“byte array”数据类型。这使得二进制的存储不再需要先base64转换后再存成JSON。大大减少了计算开销和数据大小。

当然，在有的时候，BSON相对JSON来说也并没有空间上的优势，比如对{“field”:7}，在JSON的存储上7只使用了一个字节，而如果用BSON，那就是至少4个字节（32位）

目前在10gen的努力下，BSON已经有了针对多种语言的编码解码包。并且都是Apache 2 license下开源的。并且还在随着MongoDB进一步地发展。关于BSON，

下面简单列举下：

基本类型都是小端存储。

基本类型：

byte         1字节（8位）

int32        4字节 （32位的有符号整数）

int64        8字节 （64柆的有符号整数）

double     8字节 （64柆的浮点数）

高级类型：

document	::=	int32 e_list "\x00"	BSON Document	文档=文档的长度+元素列表+"\x00"
e_list	::=	element e_list	Sequence of elements	元素列表=一个元素 + 元素列表
	|	""	或者是 ""
元素可以是不同类型，注意元素包含元素名，如"key":"value"的类型是"\x02"，元素名是"key"。
element	::=	"\x01" e_name double	Floating point	"\x01"+元素名+double
	|	"\x02" e_name string	UTF-8 string	\x02"+元素名+string
	|	"\x03" e_name document	Embedded document	嵌入文档（子文档）
	|	"\x04" e_name document	Array	数组，一种特殊的子文档
	|	"\x05" e_name binary	Binary data	二进制数据
	|	"\x06" e_name	Undefined — Deprecated	未使用的
	|	"\x07" e_name (byte*12)	ObjectId	对象ID，即MongoDB中默认的"_id"的类型。12字节。
	|	"\x08" e_name "\x00"	Boolean "false"
	|	"\x08" e_name "\x01"	Boolean "true"
	|	"\x09" e_name int64	UTC datetime
	|	"\x0A" e_name	Null value
	|	"\x0B" e_name cstring cstring	Regular expression
	|	"\x0C" e_name string (byte*12)	DBPointer — Deprecated
	|	"\x0D" e_name string	JavaScript code
	|	"\x0E" e_name string	Symbol
	|	"\x0F" e_name code_w_s	JavaScript code w/ scope
	|	"\x10" e_name int32	32-bit Integer
	|	"\x11" e_name int64	Timestamp
	|	"\x12" e_name int64	64-bit integer
	|	"\xFF" e_name	Min key
	|	"\x7F" e_name	Max key
e_name	::=	cstring	Key name
string	::=	int32 (byte*) "\x00"	String	长度 + 内容 + '\0'
cstring	::=	(byte*) "\x00"	CString	内容 + "\0'
binary	::=	int32 subtype (byte*)	Binary	长度+二进制子类型的数据
subtype	::=	"\x00"	Binary / Generic	二进制数据的子类型的数据类型
	|	"\x01"	Function
	|	"\x02"	Binary (Old)
	|	"\x03"	UUID
	|	"\x05"	MD5
	|	"\x80"	User defined
code_w_s	::=	int32 string document	Code w/ scope

要注意数组实际上也是一个子文档。如["apple", "banana"]，实际上是{ "0" : "apple", "1" : "banana"}。

数组之所以用"0","1","2"...来表示第几号元素，这样存储是可以节省空间。因为如果使用int，则会用到4个字节，考虑到数组的元素个数一般比较少。用"0"来表示第0个元素，只使用2个字节的空间。

官方例子详解：

官方网站上虽然有动态演示，不过还是可以详细解释下。

{"hello": "world"}   "\x16\x00\x00\x00\x02hello\x00\x06\x00\x00\x00world\x00\x00"

前面"\x16\x00\x00\x00" ： 文档的长度，这里是小端表示，即整个文档的长度是22个字节

第5个字节：\x02        ： 元素的类型，即"world"的类型是string，string类型 = 长度 + 内容 + '\0'，注意，这里指的是"world"的类型。

hello\x00              :  元素的名字，以"\0"结尾，在这里，元素的名字是hello。注意元素的名字是CString类型，不是String类型。即元素的名字是没有长度信息的。

x06\x00\x00\x00        ： string类型的长度

world\x00              ： string的内容和结尾的'\0'

最后一个"\x00"         ： 文档的结尾

{"BSON": ["awesome", 5.05, 1986]}

→

"\x31\x00\x00\x00\x04BSON\x00\x26\x00   \x00\x00\x020\x00\x08\x00\x00   \x00awesome\x00\x011\x00\x33\x33\x33\x33\x33\x33   \x14\x40\x102\x00\xc2\x07\x00\x00   \x00\x00"

x31\x00\x00\x00        ： 文档的长度

第5个字节\x04          ： 元素的类型，\x04，即数组类型

BSON\x00               :  元素的名字，以"\0"结尾，在这里，元素的名字是BSON

\x26\x00\x00\x00          ： 数组即一个子文档，子文档的长度，这里子文档实际上是{"0":"awesome","1":5.05,"2":1986}

\x02                   ： 元素的类型，即"awesome"的类型是string

0\x00                  :  即"0"'\0'，即元素的名字是"0"，字符串以'\0'结尾

\x08\x00\x00\x00awesome\x00      ： 长度 + "awesome" + '\0'

\x01                   :   元素的类型，即5.05的类型是Floating point

1\x00                  ： 即"1"'\0'，即元素的名字是"1"

333333\x14@            ： 即5.05

\x10                   ： 元素的类型，即1986的类型是32-bit Integer

2\x00                  ： 即"2"'\0'，即元素的名字是"2"

\xc2\x07\x00\x00       ： 即1986

\x00                   ： 子文档，即数组的结尾

\x00                   ： 文档的结尾

总结：

我们可以看到BSON格式中，对子文档，数组都记录了其长度，所以可以快速地定位并解释数据。

同时，可以发现数组实际上就是特殊的子文档。

另外，我们在为元素起名时，应该尽量短，这样可以提高解释的效率。

比如 ｛“key" : "value"}  改为 { "k" : "value"} 。

BSON对UTF-8字符串友好。