首页
/ simdjson 库中处理不完整 JSON 数据的解决方案探索

simdjson 库中处理不完整 JSON 数据的解决方案探索

2025-05-10 06:01:36作者:龚格成

背景介绍

在 Presto Java 迁移到基于 Velox 库的 Presto C++(Prestissimo)的过程中,开发团队遇到了 JSON 解析行为不一致的问题。特别是 json_extract SQL 函数在处理不完整 JSON 字符串时的行为差异,这在实际生产环境中是一个常见需求。

问题分析

Presto Java 的 JSON 解析器能够容忍不完整的 JSON 输入,例如:

SELECT json_extract('{"a": 123, "b', '$.a');

这样的查询在 Presto Java 中可以成功执行并返回 123,但在使用 simdjson 的 Presto C++ 实现中会失败,因为 simdjson 严格执行 JSON 格式规范,会检查闭合的大括号和引号。

技术挑战

simdjson 库在解析 JSON 时有两个关键检查点:

  1. 结构完整性检查:在 value_iterator::check_root_object() 等方法中验证 JSON 对象是否完整闭合
  2. 字符串完整性检查:在 stage1 解析阶段验证字符串引号是否闭合

这些严格检查保证了 JSON 解析的正确性,但也限制了处理不完整数据的能力。

解决方案探索

开发团队提出了几种技术方案:

  1. 利用现有 streaming 标志

    • 发现 _streaming 标志可以跳过部分完整性检查
    • 但该标志默认关闭且设计初衷是处理流式数据
  2. 新增编译选项

    • 通过 SIMDJSON_ACCEPT_INVALID_JSON 宏控制严格性
    • 保持默认行为不变,仅对特定需求开放
  3. 选择性错误忽略

    • 针对特定错误类型(如 UNCLOSED_STRING)进行特殊处理
    • 同时保留其他错误的严格检查

实现细节

最终方案结合了多种技术手段:

  • 新增 SIMDJSON_ACCEPT_INVALID_JSON 编译选项
  • 在 stage1 解析阶段选择性忽略特定错误
  • 利用 streaming 模式跳过部分完整性检查
  • 保持原有 API 不变,仅通过编译选项改变行为

生产验证

该方案已在生产环境中通过验证:

  • 测试了 2000+ 实际查询
  • 结果与 Presto Java 保持兼容
  • 未发现性能下降或副作用

技术启示

这一案例展示了几个重要的技术实践:

  1. 向后兼容性在系统迁移中的重要性
  2. 严格与宽容的权衡在实际工程中的处理
  3. 编译时选项作为行为控制的有效手段
  4. 生产环境验证对于基础库修改的必要性

对于需要处理不规范数据的场景,这种可控的宽松解析模式提供了有价值的解决方案,同时保持了核心功能的严格性。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K