关于 BSON

BSON 全称 Binay JSON，意为二进制 JSON。

BSON 是一种能用来表示简单数据结构、关联数组的数据类型，目前主要被用于 MongoDB 数据库的数据存储和网络传输。

BSON 对象（文档）是由一个有序的元素列表组成，每个元素有字段名、类型、值组成。

BSON 名义上是 JSON 数据的超集，支持 date 和 字节数组，但是有个特殊的地方没有通用数字（number）类型。

BSON 主要着眼于提高扫描效率，因此对于大型元素提供长度字段作为前缀，包括显示数组索引等，因此想多而言占用的空间较 JSON 大。

数据类型

BSON 数据序列化格式支持如下格式：

• string
• integer（32 或 64 位）
• double（64 位 IEEE 754 浮点数）
• decimal128（128 位 IEEE 754-2008 浮点数；Binary Integer Decimal 变体），适合作为任意精度为 34 个十进制数字的数字载体，最大值近似 10
• date（整数，自 UNIX 时间的毫秒数)
• byte array（二进制数组）
• 布尔（true 或 false）
• null
• BSON 对象
• BSON 数组
• JavaScript 代码
• MD5 二进制数据
• 正则表达式（Perl 兼容的正则表达式，即 PCRE，版本 8.41，含 UTF-8 支持；与 Python 不完全兼容）

数据特点

• 轻量级：空间优势，虽然相对 JSON 较大，但是由于其脱胎于 JSON 还是有较大的空间优势。
• 可遍历性：每个元素的长度存在元素的头部，可以直接 seek 到指定的点上进行扫描读取，这一点主要体现在 MongoDB 中。（对比 JSON 而言，在遍历或扫描数据的时候，都需要全数据扫描）。
• 修改便捷：数据类型表示的存在，在空间上已经预留的相应的位置，在修改数据时一般不会出现整体位移的情况（除非调整了字段的数据类型），同比情况下 JSON 在修改数据时，后续的内容都需要随之前移或后移。
• 类型广泛：除了支持常见的数据类型，增加更多类型数据的支持。
• 高效性：使用 C 数据类型，因此在大多数语言中都可以将数据快速编码与解码。

数据实例

由于 BSON 是二进制格式的数据，仅仅通过文本形式我们无法感知到其与 JSON 格式的区别。

{
    "name": "mebugs",
    "size": 18,
    "born": new Date("25/05/2005")
}
​

语法规范

官方语法规范:https://bsonspec.org/spec.html

基本类型

以下基本类型在语法的其余部分用作终结符。每种类型都必须以小端格式序列化。

类型	长度	描述
byte	1 byte	8 位
int32	4 bytes	32 位有符号整数，二进制补码
int64	8 bytes	64 位有符号整数，二进制补码
uint64	8 bytes	64 位无符号整数
double	8 bytes	64 位 IEEE754-2008 二进制浮点数
decimal128	16 bytes	128 位 IEEE754-2008 十进制浮点数

高级类型

BSON 语法的其余部分。

请注意，带引号的字符串表示终结符，应使用 C 语义进行解释。

例如"x01"表示 byte 0000 0001。

使用 * 运算符作为重复的简写（例如("x01"*2) is "x01x01"）。

当用 * 作一元运算符时，意味着重复可以发生 0 次或多次。

类型	格式	描述
document	int32 e_list "x00"	文档=文档的长度(int32)+ 元素列表 +"x00"
document.e_list	element e_list	元素列表=一个元素 + 元素列表
element	"x01" e_name double	元素类型："x01"+ 元素名 +double
	"x02" e_name string	元素类型："x02"+ 元素名 +string
	"x03" e_name document	嵌入文档（子文档）
	"x04" e_name document	数组
	"x05" e_name binary	二进制数据
	"x06" e_name	未定义的（值）-已弃用
	"x07" e_name (byte*12)	对象 ID，即 MongoDB 中默认的"_id"的类型。12 字节。
	"x08" e_name "x00"	布尔值 false
	"x08" e_name "x01"	布尔值 true
	"x09" e_name int64	UTC 日期时间
	"x0A" e_name	空值，如：null
	"x0B" e_name cstring cstring	正则表达式 - 第一个 cstring 是正则表达式模式，第二个是正则表达式选项字符串。
	"x0C" e_name string (byte*12)	DBPointer—已弃用
	"x0D" e_name string	JavaScript 代码
	"x0E" e_name string	符号—已弃用
	"x0F" e_name code_w_s	带作用域的 JavaScript 代码—已弃用
	"x10" e_name int32	32 位整数
	"x11" e_name uint64	时间戳
	"x12" e_name int64	64 位证书
	"x13" e_name decimal128	128 位十进制浮点数
	"xFF" e_name	最小键
	"x7F" e_name	最大键
e_name	cstring	元素名（键名）
string	int32 (byte*) "x00"	字符串，长度 + 内容 +"x00"
cstring	(byte*) "x00"	字符串，内容 +"x00"
binary	int32 subtype (byte*)	二进制数据，长度 + 类型 + 内容
subtype	"x00"	二进制子类型，通用
	"x01"	功能
	"x02"	二进制（旧）
	"x03"	UUID（旧）
	"x04"	UUID
	"x05"	MD5
	"x06"	加密的 BSON 值
	"x80"	用户定义
code_w_s	int32 string document	带范围的代码 -已弃用

其他说明

• 数组：数组是一个普通的 BSON 文档，键是整数值，从 0 开始并按顺序继续。例如，数组 ['red', 'blue'] 将被编码为文档 {'0': 'red', '1': 'blue'}。键按数字升序排列。
• UTC 日期时间：实际值是 int64 类型，是自 Unix 纪元以来的 UTC 毫秒数。
• 时间戳：MongoDB 复制和分片使用的特殊内部类型。前 4 个字节是增量，后 4 个字节是时间戳。
• 最小键：较低于所有其他可能的 BSON 元素值的特殊类型。
• 最大键：比较高于所有其他可能的 BSON 元素值的特殊类型。
• 通用二进制子类型：常用的二进制子类型，应该是驱动程序和工具的“默认”。
• binary/BinData：用于表示字节数组。类似于 Java 中 ByteArray 的。二进制值有一个子类型，用于指示字节数组中的数据类型。0-127 是预定义或保留的。128-255 是用户定义的。
  • x02 Binary (Old)：曾是默认子类型，为了支持 x00 而被弃用。
  • x03 UUID（旧）：曾是 UUID 子类型，为了支持 x04 而被弃用。
  • x80-xFF： “用户定义”子类型。二进制数据可以是任何东西。

数据样例

本示例来自网络，参考上方的规范表，会更加容易理解其存储方式。