- Startseite
- Anleitung
- JSON vs. JSONL: Was ist der Unterschied?
JSON vs. JSONL: Was ist der Unterschied?
Ein umfassender Leitfaden zu JSON und JSONL (JSON Lines): wie die Formate aufgebaut sind, worin sie sich unterscheiden und wann Sie welches verwenden sollten.
Vergleich auf einen Blick
| Eigenschaft | JSON | JSONL (JSON Lines) |
|---|---|---|
| Struktur | Einzelnes Objekt oder Array | Ein JSON-Objekt pro Zeile |
| Dateiendung | .json | .jsonl oder .ndjson |
| Parsing | Gesamte Datei muss geparst werden | Zeilenweises Parsen möglich |
| Streaming | Schwierig | Von Haus aus unterstützt |
| Umgang mit großen Dateien | Speicherintensiv | Speichereffizient |
| Lesbarkeit für Menschen | Mit Einrückung formatiert | Kompakt, ein Datensatz pro Zeile |
| Schema-Validierung | Unterstützt JSON Schema | JSON Schema pro Zeile |
| Daten anhängen | Gesamte Datei neu schreiben | Neue Zeile am Dateiende anhängen |
Was ist JSON?
JSON (JavaScript Object Notation) ist ein schlankes Format für den Datenaustausch. Menschen können es leicht lesen und schreiben, Maschinen leicht parsen und erzeugen. Es basiert auf einer Teilmenge von JavaScript und hat sich als De-facto-Standard für den Datenaustausch im Web etabliert.
Eine JSON-Datei enthält genau einen JSON-Wert, in der Regel ein Objekt oder ein Array. Um auf die enthaltenen Daten zuzugreifen, muss die gesamte Datei als Einheit geparst werden.
[
{"name": "Alice", "age": 30, "city": "New York"},
{"name": "Bob", "age": 25, "city": "London"},
{"name": "Charlie", "age": 35, "city": "Tokyo"}
]Was ist JSONL (JSON Lines)?
JSONL (JSON Lines), auch als Newline Delimited JSON (NDJSON) bekannt, ist ein Textformat, bei dem jede Zeile ein gültiges JSON-Objekt enthält. Die Zeilen sind durch Zeilenumbruchzeichen (\n) getrennt. Anders als bei herkömmlichem JSON umschließt kein übergeordnetes Array oder Objekt die Daten.
Jede Zeile einer JSONL-Datei ist in sich abgeschlossen und lässt sich unabhängig von den anderen parsen. Dadurch eignet sich JSONL besonders für Datenstreaming, Logdateien und die Verarbeitung großer Datenbestände, ohne alle Daten in den Arbeitsspeicher laden zu müssen.
{"name": "Alice", "age": 30, "city": "New York"}
{"name": "Bob", "age": 25, "city": "London"}
{"name": "Charlie", "age": 35, "city": "Tokyo"}Wesentliche Unterschiede zwischen JSON und JSONL
1. Dateiformat und Struktur
Bei JSON stehen alle Daten in einem einzigen Objekt oder Array. Die Datei muss als Ganzes syntaktisch gültig sein. Fehlt beispielsweise am Ende eine Klammer, ist die gesamte Datei ungültig.
JSONL speichert ein JSON-Objekt pro Zeile. Die Zeilen sind voneinander unabhängig: Enthält eine Zeile einen Fehler, lassen sich die übrigen Zeilen trotzdem parsen.
2. Parsing und Speicherbedarf
Bei JSON muss die gesamte Datei auf einmal geladen und geparst werden. Für das Parsen einer 1-GB-JSON-Datei werden ungefähr 1 GB+ Arbeitsspeicher benötigt.
JSONL lässt sich zeilenweise lesen und parsen (Streaming). Da immer nur eine Zeile eingelesen wird, lässt sich selbst eine 10-GB-JSONL-Datei mit sehr wenig Arbeitsspeicher verarbeiten.
3. Streaming und Echtzeitdaten
JSON ist nicht für Streaming ausgelegt. Sie können erst mit der Verarbeitung beginnen, wenn die gesamte Datei oder Antwort empfangen und geparst wurde.
JSONL eignet sich ideal für Streaming. Jede Zeile lässt sich direkt nach dem Empfang verarbeiten. Das macht das Format besonders geeignet für Echtzeitdatenfeeds, Logs und Server-Sent Events.
4. Daten anhängen und schreiben
Um Daten an ein JSON-Array anzuhängen, müssen Sie die gesamte Datei lesen und parsen, das neue Element hinzufügen und anschließend die komplette Datei neu schreiben.
Um Daten an eine JSONL-Datei anzuhängen, genügt eine neue Zeile am Dateiende. Vorhandene Daten müssen Sie weder lesen noch ändern. Der Aufwand beträgt O(1), bei JSON dagegen O(n).
5. Lesbarkeit für Menschen
JSON lässt sich mit Einrückungen übersichtlich formatieren (Pretty-Printing). Dadurch sind Konfigurationsdateien und API-Antworten gut lesbar.
JSONL ist bewusst kompakt gehalten: ein Datensatz pro Zeile. Das Format ist auf die maschinelle Verarbeitung ausgelegt und weniger auf die Lesbarkeit für Menschen. Einzelne Zeilen lassen sich jedoch per Pretty-Printing übersichtlich formatieren.
Wann sollten Sie JSON oder JSONL verwenden?
- Sie mit Konfigurationsdateien arbeiten
- Sie Request- und Response-Bodies für REST-APIs erstellen
- Sie kleine, strukturierte Daten speichern (unter 10 MB)
- die Daten für Menschen gut lesbar und bearbeitbar sein müssen
- Sie mit verschachtelten, hierarchischen Datenstrukturen arbeiten
- Sie Daten im Browser austauschen
- Sie große Datenbestände verarbeiten (100 MB+)
- Sie Daten in Echtzeit streamen
- Sie Logdateien und Ereignisdaten schreiben
- Sie Machine-Learning-Modelle trainieren (OpenAI, Hugging Face)
- Sie ETL-Pipelines betreiben oder Daten verarbeiten
- Sie häufig Daten anhängen
- Sie Daten mit Unix-Tools verarbeiten (grep, awk, sed)
Häufige Anwendungsfälle
Machine Learning und KI
JSONLJSONL ist das Standardformat für ML-Trainingsdaten. OpenAI verwendet JSONL für Fine-Tuning-Datensätze, und viele ML-Frameworks erwarten Eingaben in diesem Format. Jede Zeile enthält ein Trainingsbeispiel.
Logging in Anwendungen
JSONLJSONL eignet sich besonders für Serverlogs, Anwendungsereignisse und Audit-Trails. Jedes Ereignis wird in eine eigene Zeile geschrieben. So lassen sich neue Einträge einfach anhängen, mit grep durchsuchen und mit Streaming-Tools verarbeiten.
Web-APIs und Konfiguration
JSONREST-APIs verwenden üblicherweise JSON für Request- und Response-Bodies. Konfigurationsdateien (.json) speichern Einstellungen in JSON als gut lesbare, strukturierte Daten mit verschachtelten Objekten.
Big Data und Datenanalyse
JSONLDatenpipelines, ETL-Prozesse und Analysetools nutzen JSONL zur Verarbeitung großer Datenmengen. Jeder Datensatz lässt sich unabhängig verarbeiten. Das ermöglicht parallele Verarbeitung und den Einsatz von MapReduce-Mustern.
Code-Beispiele
// Reading JSON - must load entire file
const data = JSON.parse(fs.readFileSync('data.json', 'utf8'));
// Access data
data.forEach(item => {
console.log(item.name);
});// Reading JSONL - stream line by line
import { createReadStream } from 'fs';
import { createInterface } from 'readline';
const rl = createInterface({
input: createReadStream('data.jsonl')
});
for await (const line of rl) {
const item = JSON.parse(line);
console.log(item.name);
}// JSON array to JSONL
const jsonArray = JSON.parse(fs.readFileSync('data.json', 'utf8'));
const jsonl = jsonArray
.map(item => JSON.stringify(item))
.join('\n');
fs.writeFileSync('data.jsonl', jsonl);// JSONL to JSON array
const lines = fs.readFileSync('data.jsonl', 'utf8')
.split('\n')
.filter(line => line.trim());
const jsonArray = lines.map(line => JSON.parse(line));
fs.writeFileSync('data.json', JSON.stringify(jsonArray, null, 2));JSON und JSONL online konvertieren
Mit unseren kostenlosen Online-Tools konvertieren Sie direkt zwischen JSON und JSONL. Eine Installation ist nicht erforderlich.
Konvertieren Sie JSONL-Dateien in ein standardkonformes JSON-Array. Ideal für APIs und Pipelines zur Datenverarbeitung.
Konvertieren Sie JSON-Arrays ins JSONL-Format. Ideal, um Daten für Streaming und ML-Training vorzubereiten.
Erfahren Sie, was JSONL (JSON Lines) ist, wie es sich von herkömmlichem JSON unterscheidet und warum es das bevorzugte Format für Datenstreaming, Logdateien und Machine-Learning-Datensätze ist.
Bewährte Vorgehensweisen für JSONL: Formatierung, einheitliche Schemas, Fehlerbehandlung, Performance-Optimierung und Dateiorganisation. Praktische Beispiele helfen Ihnen, typische Fallstricke zu vermeiden.
Strategien für JSONL-Daten im Gigabyte-Bereich: Lesen per Streaming, Speicherverwaltung, Aufteilen von Dateien, Komprimierung und Online-Tools.