r - 如何快速解析许多小的 JSON 文件?
问题描述
我json
在一个目录中有数千个非常小的文件。
现在,我正在使用以下代码来加载它们:
library(dplyr)
library(jsonlite)
library(purrr)
filelistjson <- list.files(DATA_DIRECTORY, full.names = TRUE, recursive = TRUE)
filelistjson %>% map(., ~fromJSON(file(.x)))
不幸的是,这非常慢(我也尝试过furrr::future_map
)我想知道这里是否有更好的方法。单个文件几乎没有25KB
大小......
文件如下所示,有几个嵌套变量,但没有太复杂
{
"field1": "hello world",
"funny": "yes",
"date": "abc1234",
"field3": "hakuna matata",
"nestedvar":[
"http://www.stackoverflow.com",
"http://www.stackoverflow.com/funny"
],
"othernested":[
{
"one": "two",
"test": "hello"
}
]
}
谢谢!
解决方案
R 中有几个 JSON 库。以下是其中三个库的基准测试:
txt <- '{
"field1": "hello world",
"funny": "yes",
"date": "abc1234",
"field3": "hakuna matata",
"nestedvar": [
"http://www.stackoverflow.com",
"http://www.stackoverflow.com/funny"
],
"othernested": [
{
"one" : "two",
"test" : "hello"
}
]
}'
microbenchmark::microbenchmark(
jsonlite={
jsonlite::fromJSON(txt)
},
RJSONIO={
RJSONIO::fromJSON(txt)
},
rjson={
rjson::fromJSON(txt)
}
)
# Unit: microseconds
# expr min lq mean median uq max neval cld
# jsonlite 144.047 153.3455 173.92028 167.021 172.491 456.935 100 c
# RJSONIO 113.049 120.3420 134.94045 128.365 132.742 287.727 100 b
# rjson 10.211 12.4000 17.10741 17.140 18.234 59.807 100 a
如您所见,rjson
似乎更有效(尽管谨慎对待上述结果)。就我个人而言,我喜欢使用RJSONIO
它,因为根据我的经验,它是在再次阅读、修改和解析时最尊重格式的库。
最后,如果你知道文件的(不变的)结构,你总是可以构建一个自定义的 JSON 阅读器,并且可能会更有效率。但正如@Gregor 所指出的,也许您应该确保延迟确实是由于读者造成的。
推荐阅读
- microsoft-graph-api - Microsoft Graph:对语音呼叫端点的请求返回 500 UnknownError,但没有消息
- c++ - boost::signals2 仍然向引用失效的对象发出信号
- amazon-web-services - Redshift - 根据标准在不同的列中返回不同的结果
- .net - GhostScript 在特定 PDF 文档上生成空白 PDF 文件
- java - 如何允许对 debian buster 中的 java/tomcat 的目录进行写访问
- c# - 如何编写可以调用任何存储过程的通用 Web API 函数
- sql - (SQL) 优化 max 和 min 相关值的选择
- php - 无法使用 php 通过 ssh 运行 shell 脚本
- excel - PivotTable.PivotFields 方法
- azure - 如何在 Azure API 管理中指定用户分配的托管标识