序列化技术选型：JSON、XML、Protobuf、MessagePack、Avro、Thrift 对比分析

序列化选型这事儿，我这些年踩过的坑真不少。说白了，选错了序列化方案，缓存性能直接腰斩，甚至整个系统都得跟着重构。今天咱们就把市面上主流的六种方案掰开揉碎了聊。

先看一张全景图

下面这张图是我自己总结的，把六种序列化方案按「数据格式」和「应用场景」做了个分类。你一看就明白它们各自的位置。

JSON：最通用的选择，但别滥用

JSON 的优点不用我多说，几乎所有语言都原生支持。我在项目中用它做 REST API 的数据交换，确实方便。

但你要注意，JSON 在缓存场景下有两个硬伤：

• 体积大：字段名重复出现，一个简单的用户对象能膨胀 30%-50%
• 无类型约束：数字和字符串混用，反序列化时容易出 bug

XML：能不用就别用

XML 在序列化领域，说实话已经过时了。它唯一的优势是自描述性强，带 Schema 校验。

但缺点太明显：

• 标签冗余，体积是 JSON 的 2-3 倍
• 解析速度慢，DOM 解析吃内存
• 在缓存场景下，基本没有用武之地

Protobuf：高性能场景的首选

Protobuf 是我个人最常用的序列化方案。Google 出品，性能确实能打。

它的核心优势：

• 体积极小：二进制编码，没有冗余字段名
• 解析极快：直接按偏移量读取，不需要字符串解析
• 强类型约束：.proto 文件定义好，跨语言不会出错

// 一个简单的 .proto 定义
message User {
  int32 id = 1;
  string name = 2;
  string email = 3;
  int64 created_at = 4;
}

但 Protobuf 也有缺点：

• 需要预定义 Schema，灵活性差
• 生成的代码体积大，移动端要注意
• 调试不方便，二进制数据肉眼看不出来

MessagePack：JSON 的二进制替代品

MessagePack 很有意思，它本质上就是 JSON 的二进制版本。数据结构完全兼容 JSON，但编码后体积更小。

适合的场景：

• 不想改数据结构，但想压缩体积
• 需要和前端 JSON 互转
• 对性能要求中等，但开发效率优先

// JSON 格式
{"name":"张三","age":30,"scores":[85,92,78]}

// MessagePack 编码后（十六进制）
81 A4 6E 61 6D 65 A6 E5 BC A0 E4 B8 89 A3 61 67 65 1E A6 73 63 6F 72 65 73 93 55 5C 4E

你看，同样的数据，MessagePack 比 JSON 小了将近 40%。

Avro：大数据生态的宠儿

Avro 是 Hadoop 生态的标配。它的设计思路和 Protobuf 不太一样：

• Schema 随数据一起存储：每条数据都带 Schema，或者通过文件头共享
• 动态类型支持：不需要预编译代码，运行时解析
• 压缩友好：天生支持 Snappy、Deflate 等压缩算法

我一般在做数据管道（Kafka + HDFS）时用 Avro。它的 Schema 演化能力很强，加字段不会破坏旧数据。

Thrift：RPC 框架的元老

Thrift 是 Facebook 开源的，比 Protobuf 还早。它不只是序列化库，更是一个完整的 RPC 框架。

它的特点：

• 支持多种传输协议：TCP、HTTP、甚至内存传输
• 序列化方式可切换：Binary、Compact、JSON 三种协议
• 代码生成能力强：支持 20+ 语言

但说实话，现在用 Thrift 的新项目不多了。Protobuf + gRPC 的组合更流行。Thrift 的优势在于老项目维护，如果你接手的是 2015 年之前的系统，大概率会遇到它。

六种方案横向对比

特性	JSON	XML	Protobuf	MessagePack	Avro	Thrift
数据格式	文本	文本	二进制	二进制	二进制	二进制
体积（相对 JSON）	1x	2-3x	0.3-0.5x	0.6-0.8x	0.3-0.5x	0.3-0.5x
序列化速度	中等	慢	快	中等	中等	快
反序列化速度	中等	慢	快	中等	中等	快
Schema 要求	无	可选	必须	无	必须	必须
Schema 演化	—	好	好	—	优秀	好
人类可读	是	是	否	否	否	否
跨语言支持	优秀	优秀	好	好	好	好
缓存场景推荐	一般	不推荐	强烈推荐	推荐	一般	推荐

我的选型建议

说了这么多，到底怎么选？我给出一个简单的决策树：

1. 缓存 + 高性能：无脑选 Protobuf。Redis 里存 Protobuf 二进制，内存省一半，速度翻倍。
2. 缓存 + 开发效率优先：选 MessagePack。不改数据结构，直接替换 JSON 序列化器就行。
3. 数据管道 + 大数据：选 Avro。配合 Kafka、HDFS，Schema 演化能力是刚需。
4. RPC 框架：Protobuf + gRPC 是目前的主流。Thrift 除非是老项目，否则不推荐。
5. 调试/日志：用 JSON。人类可读，方便排查问题。
6. XML：除非你还在维护 2005 年的系统，否则忘掉它。