Spring Boot Redis 序列化方案的选择

Spring Boot Data Redis 给我们提供了即插即用的体验，大部分默认配置已经满足了我们的需求，而其中序列化方案选择的是原生的 JdkSerializationRedisSerializer

RedisTemplate.java

if (defaultSerializer == null) {

	defaultSerializer = new JdkSerializationRedisSerializer(
			classLoader != null ? classLoader : this.getClass().getClassLoader());
}

复制代码

当然，我们也可以选择 Spring Boot Data Redis 的其他序列化方案进行配置。

RedisSerializer 的实现

在此基础上，我们可以自定义我们自己的序列化方案。

自定义JSON序列化方案

FastJsonRedisSerializer.java

public class FastJsonRedisSerializer<T> implements RedisSerializer<T> {
    private FastJsonConfig fastJsonConfig = new FastJsonConfig();
    private Class<T> type;

    public FastJsonRedisSerializer(Class<T> type) {
        this.type = type;
    }

    public FastJsonConfig getFastJsonConfig() {
        return fastJsonConfig;
    }

    public void setFastJsonConfig(FastJsonConfig fastJsonConfig) {
        this.fastJsonConfig = fastJsonConfig;
    }

    @Override
    public byte[] serialize(T t) throws SerializationException {
        if (t == null) {
            return new byte[0];
        }
        try {
            return JSON.toJSONBytes(
                    fastJsonConfig.getCharset(),
                    t,
                    fastJsonConfig.getSerializeConfig(),
                    fastJsonConfig.getSerializeFilters(),
                    fastJsonConfig.getDateFormat(),
                    JSON.DEFAULT_GENERATE_FEATURE,
                    fastJsonConfig.getSerializerFeatures()
            );
        } catch (Exception ex) {
            throw new SerializationException("Could not serialize: " + ex.getMessage(), ex);
        }
    }

    @Override
    public T deserialize(byte[] bytes) throws SerializationException {
        if (bytes == null || bytes.length == 0) {
            return null;
        }
        try {
            return (T) JSON.parseObject(
                    bytes,
                    fastJsonConfig.getCharset(),
                    type,
                    fastJsonConfig.getParserConfig(),
                    fastJsonConfig.getParseProcess(),
                    JSON.DEFAULT_PARSER_FEATURE,
                    fastJsonConfig.getFeatures()
            );
        } catch (Exception ex) {
            throw new SerializationException("Could not deserialize: " + ex.getMessage(), ex);
        }
    }
}
复制代码

当然，这个是基于 fastjson 的序列化方案，不仅提供了相比于JDK序列化更小的体积，序列化和反序列化的速度上也更快。

FST和Kryo序列化方案

这里就粘贴相关代码了，详情可见 redis-serializer-line

性能对比（基准）

JDK 、 FastJson 、 FST 、 Kryo 测试结果如下，测试项目可见 redis-serializer-line

原生JDK序列化方案[序列化100000次]耗时：2160 ms, 大小 44000000
原生JDK序列化方案[序列化100000次]耗时：1406 ms, 大小 44000000
FastJson序列化方案[序列化100000次]耗时：679 ms, 大小 18800000
FastJson序列化方案[序列化100000次]耗时：289 ms, 大小 18800000
FST序列化方案[序列化100000次]耗时：273 ms, 大小 10400000
FST序列化方案[序列化100000次]耗时：130 ms, 大小 10400000
Kryo序列化方案[序列化100000次]耗时：498 ms, 大小 14000000
Kryo序列化方案[序列化100000次]耗时：215 ms, 大小 14000000
复制代码

总结

FST 和 Kryo 提供了更小的体积和更快的序列化速度，比 Fastjson 更有性能优势。但是需要提前将需要序列化的对象进行 register ，这增加了编码难度。而 Kryo 线程不安全，更需要进行处理，比如通过 KryoPool 进行池化处理。

通过更换序列化方案，可以解决 Redis IO 压力过大的问题，提升性能。

外话

Dubbo 的项目中提供了大量的序列化方案，在IO传输中体积小，速度快，所以在微服务领域比 Spring Cloud 更具有性能优势。我们在实现序列化是可以参考以下 Dubbo 的源码进行便携，毕竟千锤百炼的代码很有借鉴价值。

比如， Dubbo 在 FST 的创建时，会对需要序列化的对象进行 registerClass , 这会显著的增强性能。而在使用Kryo时，不仅 register 序列化的对象，还需要针对基本类型进行 register 。

FST 本身已经对基本类型进行注册了，所以 FST 在易用性上比 Kryo 更有优势。

欢迎关注我呀，我会不定期更新开发中的小技巧，小手段。Git地址: gitee.com/SoftMeng/sp…

FstFactory.java

public FstFactory() {
        SerializableClassRegistry.getRegisteredClasses().keySet().forEach(conf::registerClass);
    }
复制代码

Kryo.java

public Kryo create() {
        if (!kryoCreated) {
            kryoCreated = true;
        }

        Kryo kryo = new CompatibleKryo();

        // TODO
//        kryo.setReferences(false);
        kryo.setRegistrationRequired(registrationRequired);

        kryo.addDefaultSerializer(Throwable.class, new JavaSerializer());
        kryo.register(Arrays.asList("").getClass(), new ArraysAsListSerializer());
        kryo.register(GregorianCalendar.class, new GregorianCalendarSerializer());
        kryo.register(InvocationHandler.class, new JdkProxySerializer());
        kryo.register(BigDecimal.class, new DefaultSerializers.BigDecimalSerializer());
        kryo.register(BigInteger.class, new DefaultSerializers.BigIntegerSerializer());
        kryo.register(Pattern.class, new RegexSerializer());
        kryo.register(BitSet.class, new BitSetSerializer());
        kryo.register(URI.class, new URISerializer());
        kryo.register(UUID.class, new UUIDSerializer());
        UnmodifiableCollectionsSerializer.registerSerializers(kryo);
        SynchronizedCollectionsSerializer.registerSerializers(kryo);

        // now just added some very common classes
        // TODO optimization
        kryo.register(HashMap.class);
        kryo.register(ArrayList.class);
        kryo.register(LinkedList.class);
        kryo.register(HashSet.class);
        kryo.register(TreeSet.class);
        kryo.register(Hashtable.class);
        kryo.register(Date.class);
        kryo.register(Calendar.class);
        kryo.register(ConcurrentHashMap.class);
        kryo.register(SimpleDateFormat.class);
        kryo.register(GregorianCalendar.class);
        kryo.register(Vector.class);
        kryo.register(BitSet.class);
        kryo.register(StringBuffer.class);
        kryo.register(StringBuilder.class);
        kryo.register(Object.class);
        kryo.register(Object[].class);
        kryo.register(String[].class);
        kryo.register(byte[].class);
        kryo.register(char[].class);
        kryo.register(int[].class);
        kryo.register(float[].class);
        kryo.register(double[].class);

        for (Class clazz : registrations) {
            kryo.register(clazz);
        }

        SerializableClassRegistry.getRegisteredClasses().forEach((clazz, ser) -> {
            if (ser == null) {
                kryo.register(clazz);
            } else {
                kryo.register(clazz, (Serializer) ser);
            }
        });

        return kryo;
    }
复制代码