❝越努力，越幸运
❞
大家好，我是「柒八九」。一个「专注于前端开发技术/Rust及AI应用知识分享」的Coder。
前言
我们之前在Rust 赋能前端-开发一款属于你的前端脚手架中有过在Rust项目中如何操作JSON。
由于文章篇幅的原因，我们就没详细介绍这块的内容，而今天我们就抽空聊聊这个话题。 -- 「如何在Rust中操作JSON，以及对最流行的库进行比较」
好了，天不早了，干点正事哇。
我们能所学到的知识点
❝❞
操作JSON数据 比较 Rust 的 JSON crates
1. 操作JSON数据
创建JSON数据
要在Rust中处理JSON，我们可以借助相关的JSON库。其实市面上有很多相关的库，但是我们还是选择一种我们比较熟悉并且流行度高的库。--serde-json[1]
我们可以通过运行以下命令来安装它：
cargo add serde-json
完成后，我们可以像这样手动创建JSON：
use serde_json::{Result, Value};
fn untyped_example() -> Result<()> {
// 一些JSON输入数据，作为一个&str。也许这些数据来自用户。
let data = r#"
{
"name": "Front789",
"age": 18,
"ability": [
"Front-end development",
"Rust",
"AI"
]
}"#;
// 将数据字符串解析为serde_json::Value。
let v: Value = serde_json::from_str(data)?;
// 通过使用方括号索引来访问数据的部分。
println!("我是{}。一个专注于{}/{}及{}应用知识分享**的Coder",
v["name"], v["ability"][0],v["ability"][1],v["ability"][2]);
Ok(())
}
然而，我们可以做得比这更好。例如，我们可以将JSON序列化为结构体，这在许多应用中都有用途。我们可以在JSON模板、Web服务、CLI参数(这点我们的f_cli[2]就使用了它)等方面使用它。
当然，我们也可以使用std::fs::write来将这些JSON数据写入到磁盘文件中。
使用Serde解析JSON
Serde是一个crate，它帮助我们将数据序列化和反序列化为各种格式，其中一个流行的用途是用于JSON。Serde提供了两个主要的trait来帮助我们完成这一点：Serialize和Deserialize。我们可以添加了一个派生宏实现来帮助我们完成这一点。
use serde::{Deserialize, Serialize};
#[derive(Serialize, Deserialize)]
pub struct MyStruct {
message: String
}
fn convert_json_to_struct() {
// 从json!宏创建一个原始的JSON字符串，并将其转换为MyStruct结构体
let raw_json_string = json!({"message": "Hello Front789!"});
let my_struct: MyStruct = serde_json::from_str(raw_json_string).unwrap();
}
我们还可以创建「嵌套的JSON」，方法是将实现Serialize和Deserialize的结构体作为另一个也实现Serialize和Deserialize的结构体的字段：
use chrono::{DateTime, Utc};
use serde::{Deserialize, Serialize};
#[derive(Serialize, Deserialize)]
pub struct Post {
nested_json: PostMetadata,
title: String,
body: String
}
#[derive(Serialize, Deserialize)]
pub struct PostMetadata {
timestamp_created: DateTime<Utc>,
timestamp_last_updated: DateTime<Utc>,
categories: Vec<String>,
}
上面的代码可以用于我们用Rust创建一个Web服务(还记得我们之前介绍过的Rust Web 开发之Axum使用手册吗)，并且返回一个嵌套JSON。例如，当我们的Web服务器收到一个POST请求，其Body中是一个Json数据时，我们通常会将相关的Json类型作为处理程序函数的参数传递。
use axum::Json;
use chrono::{DateTime, Utc};
use serde::{Deserialize, Serialize};
#[derive(Serialize, Deserialize)]
pub struct Post {
nested_json: PostMetadata,
title: String,
body: String
}
#[derive(Serialize, Deserialize)]
pub struct PostMetadata {
timestamp_created: DateTime<Utc>,
timestamp_last_updated: DateTime<Utc>,
categories: Vec<String>,
}
async fn receive_some_json(
// 这个提取器消耗一个JSON主体，并将其转换为给定的结构类型
Json(json): Json<Post>
) -> Json<Post> {
println!("{:?}", json);
Json(json)
}
我们还可以从其字节表示形式转换为结构体：
let json_as_bytes = b"
{
\"message\": \"Hello Front789!\",
}";
let my_struct: MyStruct = serde_json::from_slice(json_as_bytes).unwrap();
上面的处理方式，在我们想将一个结构体存储在某个地方作为字节数组，然后再将其转换回结构体时，有奇特的效果！
类似地，我们还可以从JSON的「IO流」中读取JSON并将其转换为结构体，使用.from_reader()方法。以下代码中展示了如何在TCP流中使用它：
use serde::Deserialize;
use std::error::Error;
use std::net::{TcpListener, TcpStream};
#[derive(Deserialize, Debug)]
struct User {
name: String,
age: String,
}
fn read_user_from_stream(tcp_stream: TcpStream) -> Result<User, Box<dyn Error>> {
let mut to_be_deserialized = serde_json::Deserializer::from_reader(tcp_stream);
let user = User::deserialize(&mut to_be_deserialized)?;
Ok(user)
}
fn main() {
let listener = TcpListener::bind("127.0.0.1:7890").unwrap();
for stream in listener.incoming() {
println!("{:#?}", read_user_from_stream(stream.unwrap()));
}
}
这样，当我们在遇到需要处理JSON的数据时，我们就可以直接从流中反序列化，而不是在内存中添加缓冲区。
2. 比较 Rust 的 JSON crates
其实，在大部分情况下，serde-json已经能够满足我们的需求了。但是，在一些特殊情况下，例如数据量过大，此时serde-json就有点吃力了。所以，市面上又有了一些提高 JSON 解析性能的crate。(simd-json/sonic-rs)
从上图可知serde-json有碾压式优势，也就是不到万不得已，我们还是使用serde-json。不过，本着知己知彼，方能百战不殆。我们也需要知晓额外的解决方案。
这些 crates 大部分具有相同的 API。除非另有说明，否则我们可以安全地在这些库之间切换，并期望在每个库中使用 JSON 时具有大致相同的接口。
serde-json
❝❞
serde-json是Rust中下载和使用最多的JSON库之一。
就性能而言，serde-json 本身并不慢。然而，然后对比其他两个crate就有点稍逊了。这主要是因为它被采用非并行化的 CPU 使用架构。这样的话，serde-json就无法在x86 CPU的系统架构上，发挥更强的作用。
❝❞
x86是一种广泛使用的中央处理单元 (CPU) 计算机架构。它已成为个人计算机和服务器的主导架构。x86这个名称源自 8086，这是英特尔® 发布的早期处理器。x86 CPU使用「复杂指令集计算机」 (CISC) 设计，允许它们在「单个周期内执行多条指令」。x想了解更多关于x86 CPU的内容，可以参考x86介绍[3]
simd-json
simd-json[4] 是 simdjson C++ JSON 解析器的 Rust 版本，内置了 serde 兼容性。正如其名称所示，此库使用 SIMD（单指令多数据）。这是一种用于能够使用并行处理处理多个数据点的技术，使其速度显著更快！然而，作为一个注意事项，它要求我们的系统具有 x86 能力，并且在运行时会选择最佳的 SIMD 特性集以获得性能。
文档中提到 simd-json 可以在本机目标编译时充分发挥作用。我们可以通过在运行程序时启用 rustc 中的以下编译器选项来实现此目标，例如：
rustc -C target-cpu=native
然而，如果我们像大多数使用 Cargo 的人一样，我们可能想使用 cargo run。与示例中一样，我们可以在 .cargo/config 中创建一个配置，然后添加以下内容：
[build]
rustflags = ["-C", "target-cpu=native"]
在.cargo/config配置相关的内容，我们在Rust交叉编译Windows环境时候，也涉及到。
[target.x86_64-pc-windows-gnu]
linker = "x86_64-w64-mingw32-gcc"
一般来说，尽管这个库非常快，但应该注意到这个 crate 中有相当多的不安全代码，因为它是 C++ crate 的一个移植。这并不意味着我们不应该使用它，而是要谨慎使用。
还应该提到的是，为了获得最佳性能，通常最好启用 jemalloc 或 mimalloc 特性，以充分利用库。
通常情况下，simd-json 的 API 与 serde-json 相同，因此如果我们想在任何时候切换，通常不应该遇到任何问题。
sonic-rs
sonic-rs[5] 是具有 SIMD 功能的 JSON 操作的 Rust 实现。这个库还有一个 C++ 和 Go 的对应库！尽管它曾经需要 Rust nightly 工具链，但现在支持稳定的 Rust。与 simd-json 类似，它也需要 x86 CPU 架构才能充分发挥作用。
与 simd-json 一样，要使用 sonic-rs，我们需要在运行程序时启用 rustc 中的以下编译器选项：
rustc -C target-cpu=native
我们可以在 .cargo/config 中创建一个配置，然后添加以下内容以在使用 cargo run 时启用它：
[build]
rustflags = ["-C", "target-cpu=native"]
这样我们就可以构建支持 SIMD 的程序而无需做其他操作！
与 simd-json 类似，这个库中使用了相当多的不安全代码。然而，如果我们在库中搜索不安全代码，我们会发现比之前的库中的不安全代码可能更多。
sonic-rs 还具有一些额外的方法来进行惰性评估和提高速度。例如，如果我们想要一个 JSON 字符串文字，我们可以在反序列化时使用 LazyValue 类型将其转换为一个仍然带有斜杠的 JSON 字符串值。如果我们不怕不安全行为，或者确信它不会出错，还有很多未经检查的方法可供我们使用。
尽管 sonic-rs 是一个非常快的库，但它也是一个较新的 crate，因此某些方法，如 from_reader（允许从 IO 流读取）在 crate 中缺失。
后记
「分享是一种态度」。
「全文完，既然看到这里了，如果觉得不错，随手点个赞和“在看”吧。」
Reference
serde-json: https://crates.io/crates/serde_json
[2]f_cli: https://www.npmjs.com/package/f_cli_f
[3]x86介绍: https://www.lenovo.com/us/en/glossary/x86/
[4]simd-json: https://crates.io/crates/simd-json
[5]sonic-rs: https://crates.io/crates/sonic-rs
本文由 mdnice 多平台发布
![【PyTorch][chapter 25][李宏毅深度学习][Transfer Learning-1]](https://img-blog.csdnimg.cn/direct/d5d899d446d8499a83839a2eef7611e9.png)
