BSON 是什么
MongoDB 作为一款流行的文档数据库，采用 BSON 格式来支持文档模型。
BSON 全称是 Binary JSON，和 JSON 很像，但是采用二进制格式进行存储。相比 JSON 有以下优势：
- 访问速度更快 ：BSON 会存储 Value 的类型，不需要进行字符串类型到其他类型的转换。 以整型 12345678 为例，JSON 需要将字符串转成整型，而 BSON 中存储了整型类型标志，并用 4 个字节直接存储了整型值。对于 String 类型，会额外存储 String 长度，这样解析操作也会快很多
- 存储空间更低 ：如 Int32 统一采用 4 字节存储，Long 和 Double 采用 8 字节存储。 还是以整型 12345678 为例，JSON 采用明文存储的方式需要 8 个字节，但是 BSON 对于 Int32 的值统一采用 4 字节存储，Long 和 Double 采用 8 字节存储。 当然这里说存储空间更低也分具体情况，比如对于小整型，BSON 消耗的空间反而更高；
- 数据类型更丰富：BSON 增加了 BinData、TimeStamp、ObjectID、Decimal128 等类型。
| JSON | BSON | |
|---|---|---|
| 编码方式 | UTF-8 String | Binary |
| 数据类型 | String, Boolean, Number, Array | String, Boolean, Number (Integer, Float, Long, Decimal128...), Array, Date, Raw Binary |
| 可读性 | Human and Machine | Machine Only |
BSON 存储格式
一条最简单的 BSON 文档，从前向后可以拆解成以下几个部分：
- 文档的总长度，占 4 个字节；
- 多个 BSONElement 按顺序排列，每个包含：
- Value 类型（1 字节）
- Key 的 C-String（以
\0结尾） - Value 的二进制存储（如 Int32 占 4 字节等）
- 文档以
\0结尾（EOO，End Of Object，1 字节）
常用类型举例
-
Int 类型 ：直接存储 4 字节二进制。
-
Double 类型 ：占 8 字节，IEEE 754 标准。
-
String 类型 ：头部有 4 字节长度，内容以
\0结尾。需要注意的是，BSON 有 2 种 String 类型：
1、C-String: 一般用于 Key ，以 '\0' 结尾，不存储长度信息；
2、String: 一般用于 Value，以'\0' 结尾，头部会存储 4 字节的长度信息；
这样设计的好处是：
1、Key 一般长度较短，可以很快解析。不需要额外的 4 字节的存储开销和解析开销；
2、Value 一般长度较长，通过存储 4 字节的长度信息，可以明显加快解析速度；
-
嵌套文档：头部有 4 字节长度，内容同普通文档。
嵌套文档和普通文档一样，头部也包含了额外的 4 字节长度空间。比如下面的例子 {"b" : NumberInt(1)} 的存储长度为 12 字节。
-
数组类型：头部有 4 字节长度，每个元素有下标（'0' 开始）。
数组类型头部有 4 个字节存储长度，每个元素都对应有下标，从 '0' 开始递增。
比如下面的例子中，"a.0" 表示第 1 个元素，值为 Double(1)， "a.3" 表示第 4 个元素，值为 "4".
BSON 的解析和封装
解析流程
- 先用小端模式读取头部 4 字节，得到 BSON 文档长度。
- 迭代获取 Value 类型、Key、Value，直到文档结束。
- 参考 MongoDB 代码中的 BSONObj 和 BSONObjIterator。
封装流程
- 通过 BSONObjBuilder 流式生成 BSON 文档。
- 修改字段时，通常会生成新的 BSON 文档。
- 只有不改变二进制结构的更新才支持 UpdateInPlace。
性能测试
BSON 在常用的 Double、Long、String 类型下，长度和编解码性能优于 JSON，但不同场景下差异较大。
1. 存储空间（长度）效率
对于 "长" double/int64 类型，BSON 在空间上，有一定优势。因为 BSON 使用固定 8 字节进行编码。 对于 "短" double/int64 类型，BSON 在空间上，存在劣势。还是因为 BSON 使用固定 8 字节编码的原因。 对于测试使用的 string 类型，BSON 并没有优势。
2. 编码（marshal）效率
对于测试使用的 "长" double 类型和 string 类型， BSON 均有10%-30% 的性能提升。 在 "短" double 类型上，BSON 和 JSON 性能相当。 对于 int64 类型，不管数据的长短，BSON 均有明显的性能下降。需要额外关注，并进一步分析。
3. 解码（unmarshal）效率
BSON 优势非常明显。对于测试使用的 "长" double/int64 类型有 100% 的性能提升，对于 string 类型有 200% 以上的性能提升。 对于 "短" double/int64 类型，也有20% 以上的性能提升。