JSON, XML oder doch SQL?
In der letzten Ausgabe des Eclipse Magazins habe ich über die runderneuerte Eclipse-4-basierte Momentics IDE berichtet. In den nächsten Artikeln möchte ich zeigen, was man mit Momentics alles entwickeln kann, und ein paar Tipps und Tricks für BlackBerry-10-Anwendungen geben. Eine Entscheidung, die jeder Entwickler immer wieder treffen muss, ist: In welchem Format speichere ich Daten?
Viele Anwendungen – sei es für Business oder Consumer – benötigen aktuelle Daten, die über Server oder Webseiten abgerufen werden. Manchmal hat man das Glück und kontrolliert das Server-API. In vielen Fällen bekommt man aber ein API und das Format, in dem die Daten geliefert werden, vorgegeben. Ein gut verständliches und lesbares Format ist JSON – oft werden aber Daten auch als XML geliefert. Werden die Daten nur online abgerufen und in einer Liste dargestellt, dann müssen wir uns keine weiteren Gedanken machen. Cascades ist in der Lage, sowohl JSON als auch XML direkt als Datenmodell für Listen zu verwenden.
Eine solche Anwendung ist aber davon abhängig, dass das Device online ist und der Server erreichbar. Dann muss gewartet werden, bis die Daten übertragen werden, bevor diese dann dem Anwender angezeigt werden können. Das entspricht keiner guten UX – besser ist es, die zuletzt empfangenen Daten zu cachen, um diese sofort anzeigen zu können. Dann müssen wir uns überlegen, wie wir die Daten cachen wollen. Das kann als Datei im selben Format sein, in dem die Ursprungsdaten angeliefert wurden – also JSON oder XML. Bei großen und komplexen Daten ist auch eine Persistierung in einer lokalen Datenbank (z. B. SQLite) anzudenken.
Wir müssen also an drei verschiedenen Stellen über das Datenformat nachdenken: bei den angelieferten Daten, den gecachten Daten und dem ListView-Datenmodell. Dies war der Anlass für mich, die verschiedenen Datenformate zu vergleichen und ein paar Messungen vorzunehmen, die dann erstaunliche Ergebnisse brachten.
Einfache Messung der Ausführungszeiten
Die Messung der Zeiten kann natürlich durch ausgefeiltes Profiling erfolgen, das auch von Momentics angeboten wird – in diesem Falle habe ich mich aber für eine äußerst simple Vorgehensweise entschieden:
QTime time;
time.start();
// nun die zu testenden Abläufe
// dann stoppen und Ergebnis merken
int elapsedTimeReadJson = time.elapsed();
qDebug() << "READ JSON " << elapsedTimeReadJson
So kann ich ganz einfach Ausführungszeiten messen und als Debug-Nachricht in der Konsole ausgeben. Das macht es aber nicht so einfach ersichtlich wie eine grafische Ausgabe, und so habe ich eine kleine Testanwendung geschrieben, mit der die einzelnen Messungen aufgerufen und angezeigt werden können. Diese Anwendung ist bei GitHub verfügbar und kann direkt als Projekt in Momentics importiert werden [1].
Testdaten
Um die Tests leicht nachvollziehen zu können, liefere ich Testdaten mit aus: 10 000 Adressdatensätze und 119 Speakerdatensätze, um vergleichen zu können, wie sich die Ausführungszeiten bei unterschiedlichem Datenvolumen verhalten.
Die Adressdaten habe ich mir online generieren lassen (Kasten: „Generierung von Testdaten“), die Speakerdaten sind öffentlich zugängliche Daten einer Entwicklerkonferenz gewesen. Die Testdaten werden mit der Beispielanwendung im JSON- und XML-Format mit ausgeliefert und befinden sich im assets-Ordner (Abb. 1).
Abb. 1: TestdatenDie Adressdaten als XML können Listing 1, als JSON Listing 2 entnommen werden.
Listing 1
<Address>
<City>Lincoln</City>
<Company>Record Bar</Company>
<Country>US</Country>
<CountryFull>United States</CountryFull>
<Domain...
