Java - XML 解析器性能：Sun Java Streaming XML Parser (SJSXP) vs Woodstox答案

【问题标题】：Java - XML parser performance : Sun Java Streaming XML Parser (SJSXP) vs WoodstoxJava - XML 解析器性能：Sun Java Streaming XML Parser (SJSXP) vs Woodstox
【发布时间】：2012-08-02 08:25:40
【问题描述】：

我正在寻找最新的、内存效率高的高性能 java XML 解析 API。我需要解析 3 MB 到 5 MB 的 XML 文件。

我对此进行了谷歌搜索，了解到 Sun Java Streaming XML Parser (SJSXP) 和 Woodstox 比 DOM 和 SAX 快得多。两者都使用 StAX API。 *这些技术不支持架构验证。

Aalto XML 处理器也实现了 StAX API。

我还没有找到关于这些技术性能的具体发现。

哪一个在内存效率、高性能和易用性方面最好？

【问题讨论】：

如果您无法为它们找到任何有用的性能数据，您始终可以自己测试它们，看看哪一个最适合您的特定情况。
性能可能取决于您的具体情况。当性能至关重要时，我编写了专为确切用例设计的解析器，这将性能提高了 10 倍（但您必须建立许多影响健壮性和灵活性的假设）
我正在寻找上述技术的行业标准基准数据。
@Santosh 没有基准测试主要有两个原因：(a) 在过去 3 年左右的时间里，Java/XML 解析几乎没有任何进展，以及 (b) XML 正在丢失它对数据交换的重要性（相对于文本标记），因此很少有开发人员真正关心。
StaxMan（尽管 havig 编写了一些出色的 XML 解析器）关于 (b) 是完全错误的。金融服务行业正在以 FpML 等格式交换数十亿条消息，并且不会很快改变；他们的表现是绝对关键的。不同的是，这些人知道增加 10% 的硬件能力比寻找快 10% 的解析器要便宜得多。此外，XML 解析通常只占整个消息处理路径长度的 5%。

标签： java xml xml-parsing stax woodstox

【解决方案1】：

这里还有一些可能相关的链接：

用于数据绑定的 Stax 实现：http://technotes.blogs.sapo.pt/1708.html
有效使用 Woodstox：http://www.cowtowncoder.com/blog/archives/2006/06/entry_2.html
使用 Woodstox 加速 XSLT：http://www.cowtowncoder.com/blog/archives/2009/04/entry_235.html

性能方面：SJSXP 最慢；它只是 Xerces 内部的重新包装，包装在 Stax API 中。这对性能有一些负面影响（因为它并不是真正为拉解析而设计的）。伍德斯托克斯快一点；小文档和写作速度更快，解析较长文档时差异更小。

到目前为止，Aalto 是三者中最快的，尤其是在解析方面。它通常比 Woodstox 或 SJSXP 快 50% - 100%。一个缺点是它不处理 DTD（因此不处理外部实体；它处理预定义和字符实体）。

免责声明：我是 Woodstox 和 Aalto 的作者；以及 SJSXP 的贡献者（错误修复）

【讨论】：

寻找 Aalto XML 处理器示例以供参考。任何帮助！
它实现了 Stax API，所以应该没有什么特别之处......只是使用 Woodstox 示例代码？或者，因为它也实现了 SAX（就像 Woodstox 3.2 及更高版本一样），所以也可以使用 SAX API。
Aalto 还在开发中吗？我注意到上一次发布是在 2 年前。
由于缺乏反馈和请求，没有太多正在进行的工作——它可以达到用户想要的程度。这可能更多是因为 JSON 成为新开发的主要数据格式。但是项目并没有死；应迅速处理报告的问题的错误修复。

【解决方案2】：

上述查询的一些有用链接：

http://www.developerfusion.com/article/84523/stax-the-odds-with-woodstox/（2010 年 6 月）

http://www.ibm.com/developerworks/opensource/library/os-ag-renegade15/（2007 年 7 月）

性能基准测试详细信息：

http://www.xml.com/pub/a/2007/05/09/xml-parser-benchmarks-part-1.html（2007 年 5 月）

【讨论】：

您答案中的链接已有 2-5 年的历史，可能太旧，无法准确代表所讨论的库的当前性能。
SJSXP 在过去 3 年左右的时间里并没有真正改变，只是修复了一些错误。和 AFAIK，没有性能变化。这是缺乏新基准的最大原因，因为几乎没有什么变化。