JSON e JSONL: qual è la differenza?
Una guida completa ai formati JSON e JSONL (JSON Lines): cosa cambia e quando usare l’uno o l’altro.
Confronto rapido
| Caratteristica | JSON | JSONL (JSON Lines) |
|---|---|---|
| Struttura | Un singolo oggetto o array | Un oggetto JSON per riga |
| Estensione del file | .json | .jsonl o .ndjson |
| Parsing | Richiede il parsing dell’intero file | Consente il parsing riga per riga |
| Streaming | Difficile | Supporto nativo |
| Gestione di file di grandi dimensioni | Consumo elevato di memoria | Consumo ridotto di memoria |
| Leggibilità | Formattato con indentazione | Compatto, un record per riga |
| Validazione con JSON Schema | Supporta JSON Schema | JSON Schema applicato a ogni riga |
| Aggiunta di dati | Richiede la riscrittura dell’intero file | Basta aggiungere una nuova riga |
Cos'è JSON?
JSON (JavaScript Object Notation) è un formato leggero per lo scambio di dati, facile da leggere e scrivere per le persone e da interpretare e generare per i programmi. Si basa su un sottoinsieme di JavaScript ed è diventato lo standard de facto per lo scambio di dati sul web.
Un file JSON contiene un unico valore JSON, in genere un oggetto o un array. Per accedere ai dati al suo interno, è necessario eseguire il parsing dell’intero file come un’unica unità.
[
{"name": "Alice", "age": 30, "city": "New York"},
{"name": "Bob", "age": 25, "city": "London"},
{"name": "Charlie", "age": 35, "city": "Tokyo"}
]Cos'è JSONL (JSON Lines)?
JSONL (JSON Lines), noto anche come Newline Delimited JSON (NDJSON), è un formato di testo in cui ogni riga contiene un oggetto JSON valido. Le righe sono separate da caratteri di fine riga (\n). A differenza del JSON standard, i dati non sono racchiusi in un array o in un oggetto esterno.
Ogni riga di un file JSONL è autonoma e può essere interpretata separatamente. Per questo JSONL è ideale per lo streaming di dati, i file di log e l’elaborazione di dataset di grandi dimensioni senza dover caricare tutto in memoria.
{"name": "Alice", "age": 30, "city": "New York"}
{"name": "Bob", "age": 25, "city": "London"}
{"name": "Charlie", "age": 35, "city": "Tokyo"}Differenze principali tra JSON e JSONL
1. Formato e struttura del file
JSON racchiude tutti i dati in un unico oggetto o array. Il file deve essere sintatticamente valido nel suo insieme: basta una parentesi mancante alla fine per rendere non valido l’intero file.
JSONL memorizza un oggetto JSON per riga. Ogni riga è indipendente: se una contiene un errore, è comunque possibile eseguire il parsing delle altre.
2. Parsing e consumo di memoria
JSON richiede di caricare l’intero file ed eseguirne il parsing in una sola volta. Per il parsing di un file JSON da 1 GB servirebbe circa 1 GB o più di memoria.
JSONL consente la lettura e il parsing riga per riga (streaming). Leggendo una riga alla volta, puoi elaborare anche un file JSONL da 10 GB con un consumo minimo di memoria.
3. Streaming e dati in tempo reale
JSON non è progettato per lo streaming. Per iniziare a elaborare i dati, devi aver ricevuto l’intero file o l’intera risposta e averne completato il parsing.
JSONL è ideale per lo streaming. Ogni riga può essere elaborata appena arriva: questo lo rende perfetto per flussi di dati in tempo reale, log e server-sent events.
4. Aggiunta e scrittura dei dati
Per aggiungere dati a un array JSON devi leggere l’intero file, eseguirne il parsing, aggiungere il nuovo elemento e riscrivere tutto il file.
Per aggiungere dati a un file JSONL basta inserire una nuova riga in fondo al file, senza leggere o modificare i dati esistenti. La complessità è O(1), rispetto a O(n) per JSON.
5. Leggibilità
JSON supporta la formattazione con indentazione (pretty-printing), che rende molto leggibili i file di configurazione e le risposte delle API.
JSONL è pensato per essere compatto, con un record per riga. È ottimizzato per l’elaborazione da parte dei programmi più che per la lettura da parte delle persone, anche se è possibile formattare le singole righe con il pretty-printing.
Quando usare JSON e quando JSONL
- Lavori con file di configurazione
- Crei i body delle richieste e delle risposte di API REST
- Memorizzi dati strutturati di piccole dimensioni (meno di 10 MB)
- I dati devono essere leggibili e modificabili a mano
- Lavori con strutture dati annidate e gerarchiche
- Scambi dati lato browser
- Elabori dataset di grandi dimensioni (100 MB o più)
- Trasmetti dati in streaming in tempo reale
- Scrivi file di log e dati relativi agli eventi
- Addestri modelli di machine learning (OpenAI, Hugging Face)
- Lavori con pipeline ETL ed elaborazione dei dati
- Aggiungi dati di frequente
- Elabori dati con strumenti Unix (grep, awk, sed)
Casi d'uso comuni
Machine learning e AI
JSONLJSONL è il formato standard per i dati di addestramento dei modelli di machine learning. OpenAI lo usa per i dataset di fine-tuning e molti framework di machine learning richiedono dati in input in formato JSONL. Ogni riga rappresenta un esempio di addestramento.
Logging delle applicazioni
JSONLJSONL si presta bene ai log dei server, agli eventi delle applicazioni e agli audit trail. Ogni evento viene scritto su una sola riga: è quindi facile aggiungere nuovi eventi, cercarli con grep ed elaborarli con strumenti di streaming.
API web e configurazione
JSONLe API REST usano in genere JSON per i body delle richieste e delle risposte. I file di configurazione (.json) usano JSON per rappresentare impostazioni leggibili e strutturate, con oggetti annidati.
Big data e analisi
JSONLLe pipeline di dati, i processi ETL e gli strumenti di analisi usano JSONL per elaborare grandi volumi di dati. Ogni record può essere elaborato in modo indipendente, consentendo l’elaborazione parallela e l’uso di pattern MapReduce.
Esempi di codice
// 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));Converti JSON e JSONL online
Usa i nostri strumenti online gratuiti per convertire subito da JSON a JSONL e viceversa, senza installare nulla.
Converti i file JSONL in un array JSON standard. Ideale per API e pipeline di elaborazione dei dati.
Converti gli array JSON in formato JSONL. Ideale per preparare dati per lo streaming e l’addestramento di modelli di machine learning.
Scopri cos’è JSONL (JSON Lines), in cosa si distingue dal normale JSON e perché è il formato preferito per lo streaming di dati, i file di log e i dataset di machine learning.
Impara le best practice per la formattazione dei file JSONL, la coerenza dello schema, la gestione degli errori, l’ottimizzazione delle prestazioni e l’organizzazione dei file. Evita gli errori più comuni con esempi pratici.
Strategie per elaborare gigabyte di dati JSONL: lettura in streaming, gestione della memoria, suddivisione dei file, compressione e strumenti online.