小米官宣：2023年上半年出貨量中國第一！
今日早間，小米電視官方微博帶來消息，稱2023年小米電視上半年出貨量達到了中國第一，同時還表示小米電視的巨屏風暴即將開始。“公布一個好消息2023年#小米電視上半年出貨量中國
我們之前在Rust 賦能前端-開發一款屬于你的前端腳手架中有過在Rust項目中如何操作JSON。
圖片
由于文章篇幅的原因，我們就沒詳細介紹這塊的內容，而今天我們就抽空聊聊這個話題。-- 「如何在Rust中操作JSON，以及對最流行的庫進行比較」
好了，天不早了，干點正事哇。
要在Rust中處理JSON，我們可以借助相關的JSON庫。其實市面上有很多相關的庫，但是我們還是選擇一種我們比較熟悉并且流行度高的庫。--serde-json[1]
我們可以通過運行以下命令來安裝它：
cargo add serde-json完成后，我們可以像這樣手動創建JSON：
use serde_json::{Result, Value};fn untyped_example() -> Result<()> { // 一些JSON輸入數據，作為一個&str。也許這些數據來自用戶。 let data = r#" { "name": "Front789", "age": 18, "ability": [ "Front-end development", "Rust", "AI" ] }"#; // 將數據字符串解析為serde_json::Value。 let v: Value = serde_json::from_str(data)?; // 通過使用方括號索引來訪問數據的部分。 println!("我是{}。一個專注于{}/{}及{}應用知識分享**的Coder", v["name"], v["ability"][0],v["ability"][1],v["ability"][2]); Ok(())}然而，我們可以做得比這更好。例如，我們可以將JSON序列化為結構體，這在許多應用中都有用途。我們可以在JSON模板、Web服務、CLI參數(這點我們的f_cli[2]就使用了它)等方面使用它。
當然，我們也可以使用std::fs::write來將這些JSON數據寫入到磁盤文件中。
Serde是一個crate，它幫助我們將數據序列化和反序列化為各種格式，其中一個流行的用途是用于JSON。Serde提供了兩個主要的trait來幫助我們完成這一點：Serialize和Deserialize。我們可以添加了一個派生宏實現來幫助我們完成這一點。
use serde::{Deserialize, Serialize};#[derive(Serialize, Deserialize)]pub struct MyStruct { message: String}fn convert_json_to_struct() { // 從json!宏創建一個原始的JSON字符串，并將其轉換為MyStruct結構體 let raw_json_string = json!({"message": "Hello Front789!"}); let my_struct: MyStruct = serde_json::from_str(raw_json_string).unwrap();}我們還可以創建「嵌套的JSON」，方法是將實現Serialize和Deserialize的結構體作為另一個也實現Serialize和Deserialize的結構體的字段：
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>,}上面的代碼可以用于我們用Rust創建一個Web服務(還記得我們之前介紹過的Rust Web 開發之Axum使用手冊嗎)，并且返回一個嵌套JSON。例如，當我們的Web服務器收到一個POST請求，其Body中是一個Json數據時，我們通常會將相關的Json類型作為處理程序函數的參數傳遞。
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( // 這個提取器消耗一個JSON主體，并將其轉換為給定的結構類型 Json(json): Json<Post>) -> Json<Post> { println!("{:?}", json); Json(json)}我們還可以從其字節表示形式轉換為結構體：
let json_as_bytes = b" { /"message/": /"Hello Front789!/", }"; let my_struct: MyStruct = serde_json::from_slice(json_as_bytes).unwrap();上面的處理方式，在我們想將一個結構體存儲在某個地方作為字節數組，然后再將其轉換回結構體時，有奇特的效果！
類似地，我們還可以從JSON的「IO流」中讀取JSON并將其轉換為結構體，使用.from_reader()方法。以下代碼中展示了如何在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())); }}這樣，當我們在遇到需要處理JSON的數據時，我們就可以直接從流中反序列化，而不是在內存中添加緩沖區。
其實，在大部分情況下，serde-json已經能夠滿足我們的需求了。但是，在一些特殊情況下，例如數據量過大，此時serde-json就有點吃力了。所以，市面上又有了一些提高 JSON 解析性能的crate。(simd-json/sonic-rs)
圖片
從上圖可知serde-json有碾壓式優勢，也就是不到萬不得已，我們還是使用serde-json。不過，本著知己知彼，方能百戰不殆。我們也需要知曉額外的解決方案。
這些 crates 大部分具有相同的 API。除非另有說明，否則我們可以安全地在這些庫之間切換，并期望在每個庫中使用 JSON 時具有大致相同的接口。
serde-json 是 Rust 中下載和使用最多的 JSON 庫之一。
就性能而言，serde-json 本身并不慢。然而，然后對比其他兩個crate就有點稍遜了。這主要是因為它被采用非并行化的 CPU 使用架構。這樣的話，serde-json就無法在x86 CPU的系統架構上，發揮更強的作用。
x86 是一種廣泛使用的中央處理單元 (CPU) 計算機架構。它已成為個人計算機和服務器的主導架構。x86這個名稱源自 8086，這是英特爾? 發布的早期處理器。x86 CPU 使用「復雜指令集計算機」 (CISC) 設計，允許它們在「單個周期內執行多條指令」。x想了解更多關于x86 CPU的內容，可以參考x86介紹[3]
simd-json[4] 是 simdjson C++ JSON 解析器的 Rust 版本，內置了 serde 兼容性。正如其名稱所示，此庫使用 SIMD（單指令多數據）。這是一種用于能夠使用并行處理處理多個數據點的技術，使其速度顯著更快！然而，作為一個注意事項，它要求我們的系統具有 x86 能力，并且在運行時會選擇最佳的 SIMD 特性集以獲得性能。
文檔中提到 simd-json 可以在本機目標編譯時充分發揮作用。我們可以通過在運行程序時啟用 rustc 中的以下編譯器選項來實現此目標，例如：
rustc -C target-cpu=native然而，如果我們像大多數使用 Cargo 的人一樣，我們可能想使用 cargo run。與示例中一樣，我們可以在 .cargo/config 中創建一個配置，然后添加以下內容：
[build]rustflags = ["-C", "target-cpu=native"]在.cargo/config配置相關的內容，我們在Rust交叉編譯Windows環境時候，也涉及到。
[target.x86_64-pc-windows-gnu]linker = "x86_64-w64-mingw32-gcc"一般來說，盡管這個庫非常快，但應該注意到這個 crate 中有相當多的不安全代碼，因為它是 C++ crate 的一個移植。這并不意味著我們不應該使用它，而是要謹慎使用。
還應該提到的是，為了獲得最佳性能，通常最好啟用 jemalloc 或 mimalloc 特性，以充分利用庫。
通常情況下，simd-json 的 API 與 serde-json 相同，因此如果我們想在任何時候切換，通常不應該遇到任何問題。
sonic-rs[5] 是具有 SIMD 功能的 JSON 操作的 Rust 實現。這個庫還有一個 C++ 和 Go 的對應庫！盡管它曾經需要 Rust nightly 工具鏈，但現在支持穩定的 Rust。與 simd-json 類似，它也需要 x86 CPU 架構才能充分發揮作用。
與 simd-json 一樣，要使用 sonic-rs，我們需要在運行程序時啟用 rustc 中的以下編譯器選項：
rustc -C target-cpu=native我們可以在 .cargo/config 中創建一個配置，然后添加以下內容以在使用 cargo run 時啟用它：
[build]rustflags = ["-C", "target-cpu=native"]這樣我們就可以構建支持 SIMD 的程序而無需做其他操作！
與 simd-json 類似，這個庫中使用了相當多的不安全代碼。然而，如果我們在庫中搜索不安全代碼，我們會發現比之前的庫中的不安全代碼可能更多。
sonic-rs 還具有一些額外的方法來進行惰性評估和提高速度。例如，如果我們想要一個 JSON 字符串文字，我們可以在反序列化時使用 LazyValue 類型將其轉換為一個仍然帶有斜杠的 JSON 字符串值。如果我們不怕不安全行為，或者確信它不會出錯，還有很多未經檢查的方法可供我們使用。
盡管 sonic-rs 是一個非常快的庫，但它也是一個較新的 crate，因此某些方法，如 from_reader（允許從 IO 流讀取）在 crate 中缺失。
[1]
serde-json:https://crates.io/crates/serde_json
[2]f_cli:https://www.npmjs.com/package/f_cli_f
[3]x86介紹: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
本文鏈接：http://www.www897cc.com/showinfo-26-75358-0.html如何在Rust中操作JSON，你學會了嗎？
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號