网上查找“java json”，发现大家使用最多的还是json-lib来进行java对象的序列化成json对象和反序列化成java对象的操作。但是之前在网上也看到过一往篇关于json序列化性能比较的文章，不过一下子找不到了，所以没有引用。另外公司同事也做过类似的测试，结果都表明，json-lib的性能不太令人满意，而一个叫jackson的json序列化工具却表现不俗，另外，json-lib对null值的处理让人也感觉比较困惑。
这里，我也对这两个java json工具进行了一次粗略的测试，主要测试从java对象序列化成json字符串的性能。按以下三种方式进行：
- 使用jackson，并在每次循环中重用ObjectMapper对象(jackson with cache)
- 使用jackson，并在每次循环中重新生成ObjectMapper对象(jackson without cache)
- 使用json-lib
- 直接使用StringBuffer进行字符串拼接
因为见过有人在使用jackson时，每次都new 一个ObjectMapper的情况，而在官方教程中看到过这样一段话（can reuse, share globally）http://jackson.codehaus.org/Tutorial：
- ObjectMapper mapper = new ObjectMapper(); // can reuse, share globally
- User user = mapper.readValue(new File("user.json"), User.class);
即ObjectMapper可以重用，所以这里同时进行重用和不重用方式的测试，另外还测试直接使用StringBuffer拼接字符串的方式，以比较json序列化与原始的java方法的性能差异。
这里以不断增加并发线程数，每个线程循环进行1000次序列化，每次进行100次测量，结果取一个线程跑完（即序列化完1000次）的时间平均值的方式测试在多线程并发情况下的性能。
- 测量次数 = 100
- 每个线程循环进行序列化次数 = 1000
- 平均时间为一个线程跑完时间 = 总时间/测量次数/线程数
测试的java对象包含了基本类型属性和复杂属性，并且对象具有继承关系。 
注：内存使用情况的数据据仅供参考，这个结果并不准确，因为受机器影响比较大，每次测试差异也比较大，不能准确说明问题，但还是可以参考一下。
- 从上面的两个时间性能的图中可以看出，无论是在低并发还是高并发的情况下，时间性能上，jackson使用重用ObjectMapper方式大大优于使用json-lib方式，甚于jackson使用非重用ObjectMapper方式也略优于json-lib方式。另外也可以看出，jackson在重用ObjectMapper的方式下，性能几乎接近于直接使用StringBuffer的append方法拼接了，尤其在高并发的情况下，两者的曲线几乎要重合了。从这里可以看出jackson的性能非常出色。
- 另外，从两个空间性能的图中得出的结论与时间性能基本相同，但是由于内存的使用量波动较大，每次测量的结果也相差比较大，并不十分准确，但还是可以看出个大概。
- 此外，还发现一个现象，在低线程数的情况下，只开一个线程的时间性能要比同时开多个线程的时间性能差不少，具体原因还有待分析，不知道是否与双核CPU有关。
另外附上测试代码json-test.rar，其中使用了一个同事写的测试工具，叫nanobench.jar的jar包（这个工具会在每次测试前每做一次“预热”，以排除干扰，因为java虚拟机刚开始运行时会比较慢。并在测试前会做机器资源清理工作，以减小每次测试受上次测试的影响，参考源码：http://code.google.com/p/nanobench/source/checkout）。