BSON 是什么

1. BSON vs JSON#

BSON（Binary JSON）与 JSON 类似，但以二进制形式存储, MongoDB 使用 BSON 存储文档，因为：

• 高效性：二进制格式减少存储空间和解析时间, 快速序列化和反序列化
• 丰富的数据类型：支持 MongoDB 特有的类型（如 ObjectId 用于唯一标识）

在 MongoDB 官网看到这个表:

看到上面这个表不仅有些疑惑, UTF-8 不也是把字符串编码成二进制码, 不也是 Binary 吗? 为什么说 JSON 编码方式是 UTF-8 string, 而 BSON 的编码就是 Binary?

UTF-8 不是 Binary, 因为他就是简单的把 字符 和 二进制数 进行简单的一一映射, 而 BSON 的 Binary 是指, 在存储到内存的时候, 有固定的格式, 比如第一个字节表示数据长度, 第二个字节表示类型信息 等等, 以存储 {"age": 42} 为例：

JSON（UTF-8）：

• 文本表示：{"age": 42}
• UTF-8 编码后：字节序列可能是 [0x7B, 0x22, 0x61, 0x67, 0x65, 0x22, 0x3A, 0x20, 0x34, 0x32, 0x7D]
• 解析：先将字节解码为 UTF-8 字符，再按 JSON 语法解析为键值对

BSON：

• 二进制表示：可能是一个结构化的字节序列，比如 [文档长度][字段类型:字符串][字段名:age][类型:整数][值:0x0000002A]
• 解析：直接读取字节，按照 BSON 协议提取字段名、类型和值，无需文本解码

UTF-8 的“二进制”只是字符的字节编码, 逻辑上是文本, 映射简单且无结构；BSON 的“二进制”是有固定格式的结构化数据，包含类型和长度等元信息, 直接按二进制协议处理, 这种区别决定了 JSON（基于 UTF-8）更适合人类可读场景, 而 BSON 更适合高效存储和传输, 如果不高效, 为啥还要额外的存储类型, 长度等元数据呢?

2. 序列化和反序列化#

• 序列化 是将内存中的对象转换为可存储或传输的格式
• 反序列化 是将存储的格式转换回内存中的数据结构

3. 为什么 BSON 序列化/反序列化更快？#

JSON 的问题

• JSON 是纯文本格式, 序列化时需要将数据转换为字符串（比如数字 25 变成 “25”，加上引号、括号等）
• 反序列化时, 程序需要逐字符解析文本，检查语法（比如 {、"、,）, 然后将字符串转换回正确的数据类型（"25" 变回数字 25）
• 这个过程涉及大量字符串操作，比较慢，尤其在处理大数据量时

BSON 的优势

• BSON 是二进制格式，数据直接以字节形式存储，接近计算机内存中的表示方式
• 序列化时, BSON 直接将数据（如数字、日期）按固定字节格式写入, 无需转换为文本
• 反序列化时, 程序读取固定长度的字节, 直接还原为内存中的数据类型, 无需复杂的文本解析

4. BSON 序列化过程#

{
  "name": "Alice",
  "age": 25
}

1. 确定文档结构

• MongoDB 客户端分析对象，识别字段名（name, age）和值（“Alice”, 25）以及类型（字符串、整数）

2. 分配二进制空间

• BSON 为整个文档分配一个固定长度的二进制缓冲区
• 文档开头记录总长度（字节数），方便快速读取

3. 编码字段, 每个字段按以下结构编码

• 类型标识：1 字节，表示数据类型（比如 \x02 表示字符串，\x10 表示 32 位整数）
• 字段名：以空字节（\x00）终止的字符串
• 值：根据类型编码（字符串带长度前缀，整数直接写字节）

示例

• name: “Alice”

• 类型：\x02（字符串）

• 字段名：“name\x00”（5 字节）

• 值："\x06\x00\x00\x00Alice\x00"

• age: 25

• 类型：\x10（32 位整数）

• 字段名：“age\x00”（4 字节）

• 值："\x19\x00\x00\x00"（4 字节，25 的二进制表示）

4. 写入文档

所有字段按顺序写入缓冲区，文档以 \x00 结尾, 最终 BSON 数据（简化表示）

\x16\x00\x00\x00               // 文档总长度（22 字节）
\x02name\x00\x06\x00\x00\x00Alice\x00  // name="Alice"
\x10age\x00\x19\x00\x00\x00           // age=25
\x00                           // 文档结束

MongoDB 如何利用 BSON 元数据查询单个字段

在上面的例子中，BSON 数据是：

\x16\x00\x00\x00               // 文档总长度（22 字节）
\x02name\x00\x06\x00\x00\x00Alice\x00  // name="Alice"
\x10age\x00\x19\x00\x00\x00           // age=25
\x00                           // 文档结束

关键元数据：

• 文档总长度（开头 4 字节）：告诉 MongoDB 整个文档有多大
• 字段类型（如 \x02, \x10）：表示字段是字符串、整数等
• 字段名（如 “name\x00”）：标识字段
• 值长度（如 \x06\x00\x00\x00）：对于字符串等变长数据，标明值的字节数

这些元数据让 MongoDB 可以快速定位字段，而无需读取无关部分