【FFH】啃论文俱乐部---JSON压缩算法解读
大家好！ 我是深圳技术大学FSR实验室的同学，在OpenHarmony成长计划啃论文俱乐部里，与华为、软通动力、润和软件、拓维信息、深开鸿等公司一起，学习和研究序列化相关技术…
【FFH】啃论文俱乐部---JSON压缩算法解读
- JSON压缩算法解读
-
- 为什么需要压缩JSON？
- cJSON压缩算法（cJSON Compression Algorithm）
- JSON.HPack压缩算法（HPack Compression Algorithm）
- 参考文献
JSON压缩算法解读
接下来我们进入关于JSON压缩算法的学习。
为什么需要压缩JSON？
尽管JSON数据格式比XML效率要高，但是它仍然是web服务器和浏览器传输过程中比较低效的数据格式。为什么呢？首先，它将所有的内容都转换为了文本，第二是转换之后的文本过度使用引号，这样会给每个字符串添加多两个字节。第三，它本身没有schema的标准格式，比如在一个消息中序列化多个对象的时候，即使每个对象的属性的键名是重复且相同的，但是转换后的文本数据还是会重复每一个键名。
JSON以前的时候有一个优势，就是可以被Javascript引擎直接解析，但因为现在越来越重视安全性，JSON的这个优势也逐渐消失了，但是因为它比XML效率以及性能都更高，所以许多传统的C/S模式都是选择JSON,比如web服务，当有庞大的数据量以及复杂数据结构需要从web浏览器中传输到服务器的时候，JSON压缩就起到了非常大的作用，然而中间就会存在我们刚刚说的三点问题，我们也不能使用传统的gzip压缩算法，因为浏览器不知道服务器是否支持gzip解压。
下面我们就来看看两种常见的JSON压缩算法，cJSON与HPack。
cJSON压缩算法（cJSON Compression Algorithm）
cJSON压缩算法的特点就是可以使用自动类型提取压缩JSON数据格式的内容。它成功解决了一个非常重要的问题，就是我们上一小节提到的第三点，将不断重复的键名舍去了，我们我们来看一个例子：
使用cJSON前的数据格式：
[
{ //表示一个坐标点
"x":100,
"y":100
},
{ //表示一个长方形
"x":100,
"y":100,
"width":200,
"height":150
},
{},//表示一个空对象
... //以下省略数以万计的对象
]
上面未经压缩的数据中，我们可以看到有非常多的空间被重复的键名所占据，比如“x”，“y”等等，当数据非常多的时候，这些看起来不起眼的重复键名会给传输效率带来非常大的影响，其实解决思路也非常简单，因为他们是重复的，那我们只存储一次不就好了？下面我们来按照我们的思路看看cJSON处理过后的数据吧。
{
"templates":[
["x","y"], //type1
["x","y","width","height"] //type2
],
"value":[
{ //第一个对象：坐标点
"type":1,
"values":[
100,
100
]
},
{ //第二个对象：矩形
"type":2,
"values":[
100,
100,
200,
150
]
},
{
//第三个空对象
},
//以下省略数以万计的对象......
]
}
从上面的数据中我们可以看到，我们格式化了数据，把键名存储了起来，重复的就不存储，然后值通过“type”索引来对应键名，这样在数据量庞大的时候确实减少了不少空间，但是我们仔细看“templates”内的键名依旧有重复的字段存在。说明了我们还存在优化空间，优化完压缩后效果如下：
{ "function": "cjson",
"templates": [
[0, "x", "y"],
[1, "width", "height"]
],
"values": [
[1, 100, 100 ], //第一个对象：坐标点
[2, 100, 100, 200, 150 ], //第二个对象：矩形
[] //第三个空对象
]
}
直接看压缩后的代码结构你可能不太能理解，那我们就来看看他的具体原理，为了解决“template”内键名重复的字段，这个算法采用了树这个数据结构，每遇到一个要传输的对象，就按顺序把键值存入树的节点中（灰色的节点是被标记的结尾节点指针，表示该节点存储的是某个对象最后一个属性的键值），重复的就不存储，这样就解决了我们的问题，这个键值树的变化过程如下：
最后数据在匹配键值的时候就根据 “values” 中所标记的结尾节点指针找到对应键值数组，这样就构成了cJSON的压缩算法。
仔细的同学就会发现，如果一个对象中没有"X"和"Y",只有“width”和“height”，或者键值节点顺序是错的，是不是会出问题？答案是对的，会出现无法匹配的键值的情况，所以这种方法只能在特定的场景下应用，存在一定局限性。
总体来说，cJSON在处理非常庞大的数据量的时候效果还是非常客观的。
JSON.HPack压缩算法（HPack Compression Algorithm）
JSON.HPack是一种无损、跨语言、注重性能的JSON数据压缩算法,可以让我们在使用post请求在客户端发送数据到服务器的过程中相对普通JSON格式节省约70%的字符。
其原理本质上也是跟cJSON一样将键值抽离开，举个例子：
使用HPack算法前：
{
"id" : 1,
"sex" : "Female",
"age" : 38,
"classOfWorker" : "Private",
"maritalStatus" : "Married-civilian spouse present",
"education" : "1st 2nd 3rd or 4th grade",
"race" : "White"
}
使用HPack算法后：
["id","sex","age","classOfWorker","mari talStatus","education","race"],
[1,"Female",38,"Private","Married-civilian spouse present","1st 2nd 3rd or 4th grade","White"]
可以看到相对于普通JSON以及cJSON少了很多字符，比如引号，各种括号等等，这种压缩算法在数据量庞大的情况下效果也非常可观。
HPack算法提供了几个级别的压缩（从0到4）。等级越高压缩效率越高，每提升一个等级都有引入附加功能。0级压缩通过从结构中分离键值来执行最基本的压缩，并在索引0的元素上创建键名数组，下一个等级就可以通过假设存在重复条目来进一步减小JSON数据的大小。
性能分析
接下来我们直接用数据来看看这几个压缩算法的压缩效率，我们分别用5组大小不同的JSON文件（50KB~1MB），每个JSON文件将使用servlet容器（tomcat）提供给浏览器，并分别用以下算法进行压缩：
Original JSON size- 未作修改的JSON数据Minimized- 删除空白和新行（最基本的js优化）Compresse cJSON- 使用CJSON压缩算法进行JSON压缩Compresse HPack- 使用JSON.HPack压缩算法进行JSON压缩Gzipped- 使用gzip和进行JSON压缩Gzipped + Minimized- 使用gzip和删除空白和新行（最基本的js优化）进行JSON压缩Gzipped + Compresse cJSON- 使用gzip和CJSON压缩算法进行JSON压缩Gzipped + Compresse HPack- 使用gzip和JSON.HPack压缩算法进行JSON压缩
下图（TABLE I.RESULTES）是用以上各种方式处理完后的JSON数据大小（bytes），不同列表示不同的JSON数据集，不同行表示使用不同的压缩方式。
下面第一个图表Y轴表示JSON数据大小(bytes)：
第二张图Y轴是JSON数据大小的百分比(%)，原始数据为100%：
从上面的几个图表中我们可以直观地看到，单独使用cJSON可以把原始数据大小压缩到45%左右，单独使用HPack可以把原始数据大小压缩到8%左右，可见整体上HPack是优于cJSON的。
然而我们可以看到当使用gzip和上面提到的两个压缩算法相结合进行JSON压缩，效果才是最优的，基本可以达到1%～2%的压缩率。
总的来说，HPack比cJSON效率更高，速度也更快，但是在使用压缩算法进行传输的过程中，接收的一端需要进行相应的解压缩操作，否则无法使用被压缩过后的JSON数据，这一步也会存在一定的性能开销，在我们选择使用JSON压缩的时候，也需要考虑到这一点。当可以使用gzip进行压缩的时候，这种方法比其他压缩算法的效率都高，当两者同时结合起来，效果显而易见。
好了，我们这一次完整地了解了JSON序列化的发展，规范，应用以及相关的压缩算法，相信大家不仅对JSON压缩算法有了更深的了解，也对JSON序列化这个技术领域有了深刻的认识。
参考文献
JSON Compression Algorithms