ВЛИЯНИЕ РЕАЛИЗАЦИИ НА РАНТАЙМ-СТОИМОСТЬ СЕРИАЛИЗАЦИИ В NODE.JS/V8
Аннотация: в работе экспериментально сравниваются четыре формата сериализации данных (JSON, MessagePack, CBOR, Protobuf) и семь их конфигураций в среде Node.js/V8 на профиле высокочастотного обмена мелкими сообщениями. Под устойчивой нагрузкой на воспроизводимом стенде измерены пропускная способность, давление на сборщик мусора и профиль памяти. Показано, что разброс рантайм-цены между библиотеками одного формата может превышать разброс между самими форматами: для MessagePack две библиотеки при практически равном размере кадра различаются до 4 раз по пропускной способности — больше, чем расходятся сами форматы между собой (≈2,2 раза), по числу сборок кучи внутриформатный разброс (на кодировании — в 3–5 раз) сопоставим с межформатным. Формат при этом задаёт режим (Protobuf доминирует на декодировании независимо от реализации), но выбор конкретной библиотеки способен решать не меньше формата. Статическая компиляция Protobuf ощутимого выигрыша против reflection не дала. Приведена практическая методика выбора.
Ключевые слова: сериализация данных, библиотека сериализации, формат JSON, протокол MessagePack, стандарт CBOR, технология Protobuf, сборка мусора, пропускная способность, профиль памяти, платформа Nodejs.
https://doi.org/10.24412/2712-8849-2026-8101-211-224
Введение. В системах реального времени — брокерах сообщений, телеметрии, межсервисном RPC (удалённый вызов процедур), событиях по WebSocket — трафик часто идёт не крупными документами, а плотным потоком мелких сообщений. Для такого профиля средние цифры мало что говорят: важнее, как код держит нагрузку по пропускной способности, по памяти и по накладным расходам рантайма. Опубликованные сравнения форматов обычно меряют либо размер на уровне спецификации [1], либо среднюю скорость и размер на крупных данных [13]. Отраслевые бенчмарки нередко ограничиваются одним прогоном без контроля прогрева и сборки мусора. А для высокочастотного мелкого трафика под устойчивой нагрузкой цену задают пропускная способность, частота сборок мусора и стабильность памяти, хвосты задержек [2] тоже важны, но это отдельная величина, которую здесь мы не меряем и оставляем на будущее. Отдельная слепая зона: сравнения обычно ставят в один ряд «форматы», хотя измеряется всегда конкретная библиотека, и вклад реализации в цену не отделён от вклада самого формата. У меня JSON стоял на шине мелких событий между Node.js-сервисами, тысячи сообщений в секунду, поставленный по умолчанию и без раздумий. Когда на пике поток доходил примерно до 10 000 событий в секунду и полз хвост латентности, я сначала грешил на длину пауз сборщика мусора и потратил пару дней на подбор --max-semi-space-size. Помогло, но меньше, чем я ожидал: на практике дело было не в длительности пауз, а в их частоте от аллокаций самой сериализации. Не берусь утверждать, что так на любом профиле, но на нашем именно хвост и стабильность памяти решали, попадём ли мы в свой лимит по задержке, а не средняя скорость. В настоящей работе четыре распространённых формата — JSON [5], MessagePack [7], CBOR [6] и Protobuf [8] — и семь их конфигураций (пять библиотек) сравниваются в среде Node.js/V8 на профиле высокочастотного обмена мелкими сообщениями. Работа отвечает на три вопроса: В1. Как реализации ранжируются по пропускной способности кодирования и декодирования и совпадает ли ранжирование для этих двух операций? В2. Что даёт больший разброс рантайм-стоимости (пропускная способность, давление на сборщик мусора, память) — выбор формата или выбор библиотеки внутри формата, и предсказывает ли размер выхода эту стоимость? В3. Даёт ли статическая компиляция Protobuf выигрыш против reflection-пути в той же библиотеке? Вклад работы: (1) воспроизводимая методика измерения пропускной способности, давления на сборщик мусора (garbage collection, GC) и памяти под устойчивой нагрузкой для мелких сообщений, (2) эмпирическая демонстрация того, что внутриформатный разброс рантайм-стоимости может превышать межформатный — для MessagePack две библиотеки при практически равном размере кадра расходятся до 4 раз по пропускной способности, больше, чем форматы между собой (≈2,2 раза), (3) практическая методика выбора реализации под профиль нагрузки. В отличие от [1], где форматы сравниваются по размеру и средней скорости, здесь измеряется рантайм-профиль (пропускная способность, GC, память) под устойчивой нагрузкой и явно разделяется вклад формата и реализации. То, что оптимизированные библиотеки (msgpackr, cbor-x [9, 10]) кратно опережают референс-реализации, известно практикам, вклад работы — не сам факт, а его дисциплинированный замер и отделение роли реализации от роли формата. Крайний случай развязки размера и стоимости — zero-copy-форматы (FlatBuffers, Capn Proto), где размер ненулевой, а декодирование почти бесплатно, они здесь не измерялись, но подтверждают независимость размера и рантайм-цены. Код и сырые данные приложены для воспроизведения. Материалы и методы. Стенд. Intel Core i9-14900K, 64 ГБ ОЗУ, Windows 10.0.26200 (x64), Node.js 22.16.0, V8 12.4.254.21-node.26. Флаги кучи V8 зафиксированы: --max-semi-space-size=16, --max-old-space-size=512. Полный дамп версий, флагов и сырые данные приложены. Реализации. Сравниваются семь конфигураций четырёх форматов: JSON — встроенный JSON (нативный C++) в двух режимах: сериализация в строку (JSON.stringify) и в UTF-8-байты (Buffer.from(JSON.stringify), симметрично бинарным кодекам), MessagePack — msgpackr 1.12.1 [9] и @msgpack/msgpack 3.1.3 [14] (разные авторы), CBOR — cbor-x 1.6.6 [10], Protobuf — protobuf.js 7.6.5 [11] в двух режимах: reflection (Type.encode) и статически скомпилированный модуль (pbjs -t static-module). Размер кадра во всех случаях приведён в байтах. Сообщения — двух классов, детерминированно сгенерированных с фиксированным зерном генератора псевдослучайных чисел (ПСЧ), по 10 000 экземпляров в пуле (в измеряемом цикле пул обходится по кругу). A — телеметрия: преимущественно числовые поля (временная метка, метрики, перечисление, флаг) и шестнадцатеричный идентификатор-строка, в среднем 67–140 байт в зависимости от формата. B — уведомление: строковые поля, включая не-ASCII. Для Protobuf под каждый класс описана схема.proto. Перед замерами проведена проверка корректности: decode(encode(x)) для всех реализаций даёт эквивалентный объект. Процедура измерения. Каждая конфигурация (реализация × сообщение × операция × прогон) выполняется в отдельном процессе — чтобы не смешивались места вызова и не копилась чужая куча. Прогрев в 200 000 операций отброшен, измеряемое окно зафиксировано по числу операций. Время измерено монотонным process.hrtime.bigint(). Чтобы компилятор не выкинул «мёртвый» код, побочный результат накапливается в sink. Сборка мусора снята через PerformanceObserver (perf_hooks) [12], учитываются только сборки измеряемого окна — записи прогрева и принудительного global.gc() отфильтрованы по временной метке, что подтверждено нулевым счётчиком у базовой линии без сериализации. Память под нагрузкой снята выборкой process.memoryUsage() (rss, heapUsed, external, arrayBuffers). Порядок прогонов чередуется: в каждом раунде выполняются все реализации по одному разу, поэтому возможный тепловой дрейф усредняется по времени (порядок внутри раунда фиксирован, рандомизация была бы строже). Нагрузка детерминирована (фиксированное зерно ПСЧ), поэтому IQR по шести прогонам отражает стабильность повтора измерения, а не межсредовую неопределённость, её оценка (несколько сессий и машин) оставлена на будущее. В таблицах — медианы по шести независимым прогонам, в скобках — межквартильный размах (IQR), устойчивая нагрузка — 1 млн операций на прогон. Результаты и обсуждение. Размер выхода посчитан как распределение по всему пулу (10 000 сообщений на класс). Внутри одного формата размер практически не зависит от реализации: protobuf.js и статический Protobuf дают одинаковые 67 (A) и 80 (B) байт, msgpackr и @msgpack — 95 и 93 (A), ≈103 и ≈101 (B), JSON — самый крупный (140 и 123 байт) (рис. 1). Это позволяет далее отделить вклад размера от вклада реализации: при равном размере кадра рантайм-цена у разных библиотек одного формата различается кратно. Рисунок 1. Размер сериализованного сообщения по реализациям.Пропускная способность. Медианы по шести прогонам (млн операций/с) — в табл. 1 и на рис. 2. Таблица 1. Пропускная способность, млн операций/с (медиана шести прогонов, в скобках IQR). Рисунок 2. Пропускная способность по реализациям и операциям.Ключевой результат виден в строках MessagePack. Формат один, размер кадра практически равный (95 против 93 байт), но msgpackr кодирует числа со скоростью 3,73 млн операций/с, а @msgpack — 0,94, то есть почти вчетверо медленнее, на строках разрыв тоже кратный (1,61 против 0,56). Этот внутриформатный разброс (до 4 раз) больше, чем разброс между самими форматами: на числовом кодировании быстрейшие реализации четырёх форматов укладываются в диапазон 1,72–3,73, то есть немногим более чем вдвое (≈2,2 раза) — заметно меньше внутриформатного. Значит выбор библиотеки внутри формата способен решать больше, чем выбор формата. Формат при этом задаёт режим: обе реализации Protobuf одинаково доминируют на декодировании (5,42 и 5,56) — это свойство формата. Ранжирование зависит и от операции: @msgpack, худший на кодировании, на декодировании уже конкурентоспособен (2,09), один и тот же кодек по кодированию и по декодированию стоит в разных местах рейтинга — это ответ на В1. JSON измерен в двух режимах: как сериализация в строку (2,13–2,60) и как получение байтов для сети (1,72, плюс аллокация буфера). В сопоставимом с бинарными байтовом режиме JSON конкурентоспособен лишь на кодировании строк (1,74, чуть впереди бинарных), а на числах уступает вдвое (1,72 против 3,3–3,7) — «дёшев» он только на строках. Давление на сборщик мусора. Число сборок за 1 млн операций (табл. 2, рис. 3) сильнее всего различается опять же между реализациями одного формата. Таблица 2. Число сборок мусора за 1 млн операций (медиана, в скобках IQR). Рисунок 3. Давление на сборщик мусора по реализациям.Между библиотеками одного формата GC-давление тоже расходится: msgpackr держит минимум сборок кучи на кодировании (14–18), тогда как @msgpack — в 3–5 раз больше (61–71), а на декодировании строк доходит до 200 против 89 у msgpackr. JSON в байтовом режиме даёт 37–54 сборки — в строковом меньше (25–30), но там нет шага в байты, в любом случае число байт на проводе частоту сборок не предсказывает — решает, сколько промежуточных объектов создаёт конкретная реализация (ответ на В2). Счётчик учитывает только сборки кучи V8, msgpackr и @msgpack часть буферов держат в off-heap-памяти, не видной сборщику, поэтому их числа сопоставимы с оговоркой (см. ряд памяти на рис. 4). Длительность отдельных пауз у большинства невелика (максимум за прогон до 0,5 мс), исключение — @msgpack с редким выбросом до 2,7 мс. В целом различается частота сборок, а не их типичная длина. Память под нагрузкой. На рис. 4 — ряд резидентной памяти (RSS) при устойчивом кодировании A. Здесь тоже расходятся реализации одного формата: msgpackr держит ≈79 МБ (максимум за прогон) при external ≈3,5 МБ, а @msgpack — ≈115 МБ при external ≈31 МБ, уводя массу буферов в off-heap-память. JSON держится у базовой линии (≈72 против ≈67 МБ у обхода пула без сериализации), обе реализации Protobuf — ≈96 МБ. Рисунок 4. Резидентная память под устойчивой нагрузкой (A, кодирование).Статическая компиляция против reflection. Ответ на В3 практически отрицательный: различия малы и непоследовательны — статический путь чуть быстрее на декодировании A (5,56 против 5,42) и чуть медленнее на кодировании A (3,26 против 3,39), на B-операциях совпадают (1,37–1,38 и 3,21), число сборок одинаково (61 и 107). Строгого теста эквивалентности не проводилось, практически разницы нет. Причина в том, что protobuf.js и в reflection-режиме генерирует специализированные функции кодирования при первом вызове, поэтому предварительная компиляция ощутимого выигрыша не даёт — «медленность reflection» здесь не главный фактор. Размер и стоимость. Если разложить размер против скорости и против числа сборок (рис. 5, JSON взят в байтовом, сопоставимом режиме), монотонной связи нет. Прямее всего это видно на паре MessagePack — две библиотеки при практически равном размере кадра расходятся по вертикали, то есть вдоль оси стоимости, а не размера, причём сильнее, чем расходятся сами форматы по горизонтали. Итог (ответ на В2): рантайм-цену задаёт не размер выхода, а связка «формат + реализация», и внутриформатный разброс может превосходить межформатный. Рисунок 5. Рантайм-стоимость против размера кадра при кодировании: реализации одного формата (соединены линией) расходятся по стоимости при близком размере (○ — A, □ — B).Сюрприз «самый маленький не значит самый быстрый» у меня из собственной ошибки. На той же шине событий шёл поток мелких частых сообщений, и я на автомате потянулся к Protobuf: раз кадр вдвое компактнее, порядка 70 байт против 140 у JSON, значит и дешевле. На стороне продюсера, где мы в основном кодировали, давление на сборщик, наоборот, подросло — Protobuf на кодировании плодит больше промежуточных объектов, чем нативный JSON. Что касается потребителя, тяжёлого по декодированию, то там Protobuf вне конкуренции, его я и оставил, а на горячем продюсере вернулся к MessagePack — но к конкретной библиотеке, msgpackr, у которой сборок кучи меньше всего. Уже потом эти замеры показали, почему выбор именно библиотеки был важнее выбора формата. Что из этого следует. Если нагрузка в основном на декодирование — скажем, потребитель событий — берём Protobuf: на декодировании он оторвался ото всех. Кодируем преимущественно строки — конкурентоспособен нативный JSON даже с упаковкой в байты (1,74), на числах JSON, наоборот, уступает бинарным вдвое, так что «дёшев» он лишь на строках. А когда критично не будить сборщик, в числовом профиле спокойнее msgpackr, но именно msgpackr, а не любая реализация MessagePack: у @msgpack на том же формате давление в несколько раз выше (при этом на строковом декодировании @msgpack, наоборот, чуть обгоняет msgpackr — правило выбора зависит и от операции). Если свести к практике, выбирать надо по преобладающей операции и по конкретной библиотеке с её версией — не только по формату и уж точно не по размеру в байтах. Ограничения и угрозы достоверности. Всё меряно на одной машине под Windows, поэтому микрозадержки-хвосты чувствительны к планировщику ОС — я их и не заявляю, речь о пропускной способности, GC и памяти, прогоны шли последовательно, без пиннинга ядра, поэтому возможен тепловой дрейф между реализациями. Аллокации оценивались косвенно, через число сборок мусора, а не прямым профилированием кучи, для реализаций с off-heap-буферами (msgpackr, @msgpack) часть аллокаций не видна сборщику. JSON измерен в двух режимах — как сериализация в строку и как получение UTF-8-байтов (симметрично бинарным кодекам), межформатные выводы и рис. 5 опираются на байтовый режим, а строковый отражает лишь внутрипроцессную сериализацию без шага в байты для сети. Рассматривался микробенчмарк однотипных мелких сообщений, сеть, диск, эволюция схемы и разбор недоверенного ввода вне области исследования. Заключение. На высокочастотном потоке мелких сообщений в Node.js/V8 выбор библиотеки внутри формата может решать не меньше выбора самого формата: для MessagePack две библиотеки при практически равном размере кадра различаются до 4 раз по пропускной способности — больше, чем расходятся сами форматы между собой (≈2,2 раза), по числу сборок кучи внутриформатный разброс (на кодировании — в 3–5 раз) сопоставим с межформатным. Формат при этом задаёт режим (Protobuf доминирует на декодировании в обеих реализациях), а статическая компиляция Protobuf ощутимого выигрыша против reflection не дала. Отсюда простое правило: выбирать по преобладающей операции (кодирование или декодирование) и по конкретной библиотеке с версией — не только по формату и уж точно не по числу байт. Дальше хочу прогнать открытую нагрузку с контролем coordinated omission [3], чтобы честно померить хвосты, добавить прямое профилирование аллокаций [4] и перенести стенд на Deno и Bun.
Полная версия статьи PDF
Номер журнала «Вестник науки» № 8 (101) том 5
Ссылка для цитирования:
ВЛИЯНИЕ РЕАЛИЗАЦИИ НА РАНТАЙМ-СТОИМОСТЬ СЕРИАЛИЗАЦИИ В NODE.JS/V8 // Журнал «Вестник науки» от 30 августа 2026 г. № 8 (101) том 5. С. 211 - 224. 2026 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/32887 (дата обращения: 10.11.2026 г.)
Альтернативная ссылка латинскими символами: vestnik-nauki.com/article/32887
Нашли грубую ошибку (плагиат, фальсифицированные данные или иные нарушения научно-издательской этики) ?
- напишите письмо в редакцию журнала: zhurnal@vestnik-nauki.com
