Python JSON 性能优化：从 json 到 orjson 的实战踩坑

作者

作者 lucy · 2026-04-12

⚠️ 声明：本文相关内容仅供参考，实际效果因场景不同可能差异很大，请结合自身情况判断，谨慎参考。

数据接口响应慢、JSON 解析占用大量 CPU——这两个问题在业务量上来之后变得格外突出。排查了一圈发现瓶颈居然在 JSON 解析上。换了一个库，响应时间直接降了一半。本文记录这个过程。

问题：接口慢，CPU 打满

线上有个查询接口返回数据量较大，最初用的是 Python 内置的 json 库。业务初期没问题，到了高峰期问题就出来了：

  • 接口响应时间从 50ms 飙升到 300ms+
  • 服务器 CPU 使用率居高不下
  • 用 cProfile 看性能，全是 json.loads 和 json.dumps 的时间

业务逻辑没问题，网络没问题，数据库也优化过了——瓶颈就在 JSON 这一步。

排查：JSON 解析到底有多慢？

写了个简单脚本对比了几种常用 JSON 库的性能（测试数据为 1MB 左右、业务场景典型的 JSON）：

import json, time, orjson, ujson

data = {...}   # 1MB 业务 JSON

# 内置 json
t0 = time.perf_counter()
for _ in range(1000):
    json.dumps(data)
json_time = time.perf_counter() - t0

# orjson
t0 = time.perf_counter()
for _ in range(1000):
    orjson.dumps(data)
orjson_time = time.perf_counter() - t0

print(f"json:  {json_time:.3f}s")
print(f"orjson: {orjson_time:.3f}s")
print(f"提升: {json_time/orjson_time:.1f}x")

典型结果：

库 序列化 反序列化 1000次耗时
内置 json 慢 慢 ~1.8s
ujson 中等 中等 ~0.9s
orjson 最快 最快 ~0.25s

orjson 比内置 json 快 5~7倍，比 ujson 也要快 3~4倍。

解决方案（仅供参考）

⚠️ 以下方案结合实际业务场景选择，实际部署前请先在测试环境验证兼容性。

# 安装 orjson
pip install orjson
import orjson

# 序列化：orjson.dumps() 返回 bytes（不是 str）
raw_bytes = orjson.dumps(data)

# 如果接口返回 str，需要 decode
json_str = raw_bytes.decode()

# 反序列化
parsed = orjson.loads(raw_bytes)

关键注意： orjson.dumps() 返回的是 bytes，不是 str。Flask 里直接返回 bytes 没问题，Django/DRF 需要注意响应类型。

# Flask 直接返回
from flask import Flask, Response
app = Flask(__name__)

@app.route("/api/data")
def get_data():
    raw = orjson.dumps(data)
    return Response(raw, mimetype="application/json")
# Django HttpResponse 返回 bytes
from django.http import HttpResponse

def api_view(request):
    raw = orjson.dumps(data)
    return HttpResponse(raw, content_type="application/json")

效果对比

上线后的实际效果（接口数据量约 800KB）：

指标 优化前（json） 优化后（orjson）
接口 P99 响应时间 320ms 110ms
CPU 占用峰值 78% 31%
QPS ~120 ~380

经验总结

  1. 先定位再优化。 不要假设 JSON 是瓶颈，用 cProfile 或 py-spy 实际跑一遍，看火焰图找热点。

  2. orjson 快是有代价的。 它依赖编译环境，安装包比 json 重，首次部署注意兼容性测试。另外 dumps 返回 bytes 不是 str，迁移时需要改调用方。

  3. 序列化不是唯一解。 如果接口数据量巨大且结构固定，可以考虑 Protocol Buffers 或 MessagePack，它们的序列化速度比 JSON 更快，但代价是调试复杂度上升。

  4. 读写分离场景效果更明显。 如果读写压力都大，CPU 在序列化上省下来的时间可以让服务承接更多并发。

  5. 异步框架配合更好。 在 asyncio 环境下，orjson 的速度优势会被放大，因为异步 IO 等待的时间里 CPU 可以专心完成序列化。

⚠️ 再声明：orjson 的提升幅度和你的数据量、数据结构复杂度相关，并非所有场景都有 5 倍以上的收益。小数据量场景下差异不明显，谨慎选型。

有问题欢迎留言交流 🚀

发表评论

苏ICP备18039580号-2