1. Java序列化工具技術原理比較

• Binary Formats & language-specific ones
  JavaBuiltIn（java原生）、JavaManual（根據成員變量類型，手工寫）、FstSerliazation、Kryo
• Binary formats-generic language-unspecific ones
  Protobuf(Google)、Thrift(Facebook)、 AvroGeneric、Hessian
• JSON Format
  Jackson、Gson、FastJSON
• JSON-like：
  CKS （textual JSON-like format）、BSON（JSON-like format with extended datatypes）、JacksonBson、MongoDB
• XML-based formats
  XmlXStream

java的序列化工具大致就可以分為以上幾類，簡單概括就分為二進制binary和文本格式（json、xml）兩大類。
在速度的對比上一般有如下規律：
binary > textual
language-specific > language-unspecific
而textual中，由json相比xml冗余度更低因此速度上更勝一籌，而json又bson這類textual serialization技術上更成熟，框架的選擇上更豐富和優秀。下面重點介紹下Kryo、fast-serialiation、fastjson、protocol-buffer

2. 典型Java序列化工具分析

目前互聯網公司廣泛使用Protobuf、Thrift、Avro等成熟的序列化解決方案來搭建RPC框架，這些都是久經考驗的解決方案。

2.1 Java原生序列化工具

Java本身提供的序列化工具基本上能勝任大多數場景下的序列化任務，關於其序列化機制，這篇文章很細致的解釋了(https://blog.csdn.net/zhaozheng7758/article/details/7820018)，值得一讀。Java自帶的序列化工具在序列化過程中需要不僅需要將對象的完整的class name記錄下來，還需要把該類的定義也都記錄下，包括所有其他引用的類，這會是一筆很大的開銷，尤其是僅僅序列化單個對象的時候。正因為java序列化機制會把所有meta-data記錄下來，因此當修改了類的所在的包名後，反序列化則會報錯。Java自帶序列化工具的性能問題總結如下：

2.2 優化過的Java序列化工具

1. kryo
   kryo根據上述Java原生序列化機制的一些問題，對了很多優化工作，而且提供了很多serializer，甚至封裝了Unsafe類型的序列化方式，更多關於Unsafe類型的序列化方式，請參考這裏，需要註意的是，jdk1.7以後，默認關閉unsafe的類（sun.misc.Unsafe）包。更多kryo介紹參考kryo的wiki.
2. fast-serialization
   fst-serialozation相對來說是一個很新的序列化工具，雖然從2-1的評測上來看，速度於kryo有一些差距，但根據本人在生產環境上的場景上測試，效果幾乎於kryo一致，都能瞬間反序列化出內容並渲染

2.3 JSON

比較優秀的JSON解析工具的表現還是比較好的，有些json解析工具甚至速度超過了一些二進制的序列化方式。

2.4 Protocol-Buffer

Protocol buffers是一個用來序列化結構化數據的技術，支持多種語言諸如C++、Java以及Python語言，可以使用該技術來持久化數據或者序列化成網絡傳輸的數據。相比較一些其他的XML技術而言，該技術的一個明顯特點就是更加節省空間（以二進制流存儲）、速度更快以及更加靈活。
另外Protobuf支持的數據類型相對較少，不支持常量類型。由於其設計的理念是純粹的展現層協議（Presentation Layer），目前並沒有一個專門支持Protobuf的RPC框架。

2.5 Thrift

Thrift是Facebook開源提供的一個高性能，輕量級RPC服務框架，其產生正是為了滿足當前大數據量、分布式、跨語言、跨平臺數據通訊的需求。 但是，Thrift並不僅僅是序列化協議，而是一個RPC框架。 相對於JSON和XML而言，Thrift在空間開銷和解析性能上有了比較大的提升，對於對性能要求比較高的分布式系統，它是一個優秀的RPC解決方案；但是由於Thrift的序列化被嵌入到Thrift框架裏面， Thrift框架本身並沒有透出序列化和反序列化接口，這導致其很難和其他傳輸層協議共同使用（例如HTTP）。

2.6 Avro

Avro解析性能高並且序列化之後的數據非常簡潔，比較適合於高性能的序列化服務。

Avro提供兩種序列化格式：JSON格式或者Binary格式。Binary格式在空間開銷和解析性能方面可以和Protobuf媲美， JSON格式方便測試階段的調試。 Avro支持的數據類型非常豐富，包括C++語言裏面的union類型。Avro支持JSON格式的IDL和類似於Thrift和Protobuf的IDL（實驗階段），這兩者之間可以互轉。Schema可以在傳輸數據的同時發送，加上JSON的自我描述屬性，這使得Avro非常適合動態類型語言。 Avro在做文件持久化的時候，一般會和Schema一起存儲，所以Avro序列化文件自身具有自我描述屬性，所以非常適合於做Hive、Pig和MapReduce的持久化數據格式。對於不同版本的Schema，在進行RPC調用的時候，服務端和客戶端可以在握手階段對Schema進行互相確認，大大提高了最終的數據解析速度。

3.下面介紹幾種常用的Java序列化技術使用示例

KryoRegister、FST、Kryo、Gson、Fastjson、JDK

3.1 JDK

public static byte[] serialize(Object obj) {
    try {
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        ObjectOutputStream oos = new ObjectOutputStream(baos);
        oos.writeObject(obj);
        byte[] bs = baos.toByteArray();
        baos.close();
        oos.close();

        return bs;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

public static Object deserialize(byte[] bits) {
    try {
        ByteArrayInputStream bais = new ByteArrayInputStream(bits);
        ObjectInputStream ois = new ObjectInputStream(bais);
        Object obj = ois.readObject();

        bais.close();
        ois.close();
        return obj;
    } catch (Exception e) {
        throw new RuntimeException(e);
    }
}  

3.2 Fastjson

一個JSON庫涉及的最基本功能就是序列化和反序列化。Fastjson支持java bean的直接序列化。 使用com.alibaba.fastjson.JSON這個類進行序列化和反序列化。

public static String serialize(Object obj){
    String json = JSON.toJSONString(obj);
    return json;
}
public static Object deserialize(String json, Class<?> clazz){
    Object obj = JSON.parseObject(json, clazz);
    return obj;
}

3.3 FST

FST fast-serialization 是重新實現的 Java 快速對象序列化的開發包。序列化速度更快（2-10倍）、體積更小，而且兼容 JDK 原生的序列化。

Java 快速序列化庫 FST 已經發布了 2.0 版本，該版本的包名已經更改，無法平滑升級。另外官方建議為了穩定性考慮還是使用最新的 1.58 版本為好

static FSTConfiguration configuration = FSTConfiguration
           .createDefaultConfiguration();

public static byte[] serialize(Object obj){
     return configuration.asByteArray((Serializable)obj);
}
public static Object deserialize(byte[] sec){
    return configuration.asObject(sec);
}

3.4 Gson

這裏采用JSON格式同時使用采用Google的gson進行轉義.

static Gson gson = new Gson();

public static String serialize(Object obj){
    String json = gson.toJson(obj);
    return json;
}
public static Object deserialize(String json, Class<?> clazz){
    Object obj = gson.fromJson(json, clazz);
    return obj;
}

3.5 Jackson

Jackson庫（http://jackson.codehaus.org），是基於java語言的開源json格式解析工具，整個庫（使用最新的2.2版本）包含3個jar包：
jackson-core.jar——核心包（必須），提供基於“流模式”解析的API。
jackson-databind——數據綁定包（可選），提供基於“對象綁定”和“樹模型”相關API。
jackson-annotations——註解包（可選），提供註解功能。
相對於java json解析的其他庫，諸如json-lib、gson包，Jackson具有以下優點：
功能全面，提供多種模式的json解析方式，“對象綁定”使用方便，利用註解包能為我們開發提供很多便利。
性能較高，“流模式”的解析效率超過絕大多數類似的json包。
核心包：JsonPaser（json流讀取），JsonGenerator（json流輸出）。
數據綁定包：ObjectMapper（構建樹模式和對象綁定模式），JsonNode（樹節點）

public static String serialize(Object obj){
    ObjectMapper mapper = new ObjectMapper();
    String json = null;
    try {
        json = mapper.writeValueAsString(obj);
    } catch (Exception e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }
    return json;
}
public static Object deserialize(String json, Class<?> clazz){
    ObjectMapper mapper = new ObjectMapper();
    Object obj = null;
    try {
        obj = mapper.readValue(json, clazz);
    } catch (Exception e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }
    return obj;
}

3.6 Kryo 和 KryoRegister

Kryo的運行速度是java Serializable 的20倍左右
Kryo的文件大小是java Serializable的一半左右
Kryo有兩種模式:
一種是先註冊(regist)，再寫對象，即writeObject函數，實際上如果不先註冊，在寫對象時也會註冊，並為class分配一個id。
註意，如果是rpc，則必須兩端都按同樣的順序註冊，否則會出錯，因為必須要明確類對應的唯一id。
另一種是寫類名及對象，即writeClassAndObject函數。
writeClassAndObject函數是先寫入(-1 + 2)（一個約定的數字），再寫入類ID（第一次要先寫-1，再寫類ID + 類名），寫入引用關系（見引用的實現），最後才寫真正的數據）。
註意每一次writeClassAndObject調用後信息都會清空，所以不用擔心和client交互時會出錯。

static Kryo kryo = new Kryo();

public static byte[] serialize(Object obj) {
    byte[] buffer = new byte[2048];
    Output output = new Output(buffer);

    kryo.writeClassAndObject(output, obj);
    byte[] bs = output.toBytes();
    output.close();
    return bs;
}

public static Object deserialize(byte[] src) {
    Input input = new Input(src);
    Object obj = kryo.readClassAndObject(input);
    input.close();
    return obj;
}

register

static Kryo kryo = null;
static{
    kryo = new Kryo();
    kryo.setReferences(false);
    kryo.setRegistrationRequired(false);
    kryo.setInstantiatorStrategy(new StdInstantiatorStrategy());
}

public static byte[] serialize(Object obj) {
    kryo.register(obj.getClass());
    byte[] buffer = new byte[2048];
    Output output = new Output(buffer);
    kryo.writeObject(output, obj);
    byte[] bs = output.toBytes();
    output.close();
    return bs;
}

public static Object deserialize(byte[] src, Class<?> clazz) {
    kryo.register(clazz);
    Input input = new Input(src);
    Object obj = kryo.readObject(input, clazz);
    input.close();
    return obj;
}

Object Serializalbe 優點：java原生支持，不需要提供第三方的類庫，使用比較簡單。缺點：無法跨語言，字節數占用比較大，某些情況下對於對象屬性的變化比較敏感。
對象在進行序列化和反序列化的時候，必須實現Serializable接口，但並不強制聲明唯一的serialVersionUID，是否聲明serialVersionUID對於對象序列化的向上向下的兼容性有很大的影響。

4. 小結

就已有原先使用Java原生序列化方案的系統來說，kryo於fst-serializer是良好的java原生序列化方案替代者，不僅體現再編程簡單，而且速度與性能上會有大幅提升，尤其是fst-serializer ，只需替代output/inputstream 即可，性能的提升上也很可觀，目前該工具剛出來，穩定性還需要多測測。

如果程序本身就用json格式序列化，則可以考慮引入一個性能優異的json解析庫，一般再服務端jackson是廣受歡迎的解析庫。

protobuffer更多的是一種取代xml的誇語言的消息交換格式，盡快速度很快，但是編程上需要定義消息格式，對成員變量多、業務復雜的javabean來說代價是較為復雜的，對穩定的已有系統來說總體代價較高。

下表是幾種方案的各項指標的一個對比

參考：
http://blog.51cto.com/zlfwmm/1761401
https://blog.csdn.net/wodeyuer125/article/details/44495549
https://www.javacodegeeks.com/2010/07/java-best-practices-high-performance.html
http://www.javacodegeeks.com/2010/07/java-best-practices-high-performance.html
https://blog.csdn.net/zhaozheng7758/article/details/7820018
http://www.javacodegeeks.com/2012/07/native-cc-like-performance-for-java.html
https://www.ibm.com/developerworks/cn/linux/l-cn-gpb/

Java序列化工具對比