默认json.dumps处理自定义对象慢,因其不识别非内置类型,每次均需通用default回调做类型判断与字段遍历,无缓存、不跳过私有属性、不预编译路径;高效方案是继承jsonencoder精准分支处理,或改用orjson等高性能库直接序列化。

为什么默认json.dumps处理自定义对象慢
因为 json.dumps 默认不识别任意类实例,遇到非内置类型(如 datetime、dataclass 或你写的 User 类)时,会触发异常或 fallback 到 default= 回调函数——而这个回调是通用、无缓存、每次都要做类型判断和字段遍历的。更关键的是,它无法跳过不可序列化的属性、不支持预编译路径、也不利用类结构的稳定性。
如何编写高效且安全的自定义JSONEncoder
核心不是“重写所有逻辑”,而是让编码器只做必要事:明确知道输入类型、跳过无关字段、避免重复反射、直接访问属性而非 getattr(除非必须)。
- 继承
json.JSONEncoder,重写default方法,但仅对已知类型分支处理,其他一律抛出TypeError - 对
dataclass或带__dict__的简单类,优先用obj.__dict__.copy()而非vars(obj)(后者有额外查找开销) - 显式过滤掉以
_开头的私有属性,或通过白名单控制字段:{k: v for k, v in obj.__dict__.items() if k in ('id', 'name', 'created_at')} - 对
datetime等高频类型,直接转为 ISO 字符串并返回,不走通用格式化逻辑
class OptimizedEncoder(json.JSONEncoder):
def default(self, obj):
if isinstance(obj, datetime):
return obj.isoformat()
elif hasattr(obj, '__dict__') and not callable(getattr(obj, '__dict__', None)):
# 只取公有属性,排除方法、描述符等
d = obj.__dict__.copy()
return {k: v for k, v in d.items() if not k.startswith('_')}
raise TypeError(f"Object of type {type(obj).__name__} is not JSON serializable")
比自定义Encoder更快的替代方案:注册类型处理器(orjson/ujson)
如果你用的是 orjson 或配置了 ujson 作为后端,自定义 JSONEncoder 完全无效——它们不走 Python 的 json 模块机制。这时必须用对应库的注册方式:
-
orjson:不支持运行时注册,只能靠其内置支持(datetime、dataclass、NamedTuple)或提前转换成 dict/list -
ujson:不支持自定义 encoder,必须在调用前手动把对象转成 dict -
jsonpickle:可用jsonpickle.encode(obj, unpicklable=False)关闭元数据,但仍是通用序列化,不如手写 dict 映射快
所以,**真正要提速,得先确认你用的是哪个库**——json 模块才认 JSONEncoder;其他高性能库要么不支持,要么要求你换思路。
容易被忽略的性能陷阱
很多人写了 JSONEncoder 就以为万事大吉,结果发现没提速甚至更慢。常见原因:
- 在
default里调用json.dumps递归处理子结构(造成嵌套调用+重复解析) - 用
getattr(obj, field, None)遍历所有字段,而不是直接读obj.__dict__(getattr 触发 descriptor 协议,开销大) - 没禁用
indent和sort_keys:这两个选项会让序列化速度下降 3–10 倍,生产环境务必设为False - 把
datetime转成字符串时用了strftime而非isoformat()(前者慢 2–4 倍)
最省事又有效的提速动作,其实是:不用自定义 encoder,改用 orjson + 提前把对象转成字典,再批量 orjson.dumps() ——这绕过了所有 Python 层反射,也避开了 encoder 的调用栈开销。
Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!











