查詢 JSON 字串
本文章說明可用來查詢和轉換儲存為 JSON 字串之半結構化資料的 Databricks SQL 運算子。
注意
這項功能可讓您在不壓平合併檔案的情況下讀取半結構資料。 不過，為了獲得最佳讀取查詢效能，Databricks 建議您擷取具有正確資料類型的巢狀資料行。
您可以使用語法 <column-name>:<extraction-path>，從包含 JSON 字串的欄位擷取資料行，其中 <column-name> 是字串資料行名稱，而 <extraction-path> 是要擷取之欄位的路徑。 傳回的結果為字串。
建立具有高度巢狀資料的資料表
執行下列查詢以建立具有高度巢狀資料的資料表。 本文章中的範例全部都參考此資料表。
CREATE TABLE store_data AS SELECT
'{
"store":{
"fruit": [
{"weight":8,"type":"apple"},
{"weight":9,"type":"pear"}
],
"basket":[
[1,2,{"b":"y","a":"x"}],
[3,4],
[5,6]
],
"book":[
{
"author":"Nigel Rees",
"title":"Sayings of the Century",
"category":"reference",
"price":8.95
},
{
"author":"Herman Melville",
"title":"Moby Dick",
"category":"fiction",
"price":8.99,
"isbn":"0-553-21311-3"
},
{
"author":"J. R. R. Tolkien",
"title":"The Lord of the Rings",
"category":"fiction",
"reader":[
{"age":25,"name":"bob"},
{"age":26,"name":"jack"}
],
"price":22.99,
"isbn":"0-395-19395-8"
}
],
"bicycle":{
"price":19.95,
"color":"red"
}
},
"owner":"amy",
"zip code":"94025",
"fb:testid":"1234"
}' as raw
擷取最上層資料行
若要擷取資料行，請在擷取路徑中指定 JSON 欄位的名稱。
您可以在括弧內提供資料行名稱。 括弧內參考的資料行會以區分大小寫的方式來比對。 資料行名稱也會以不區分大小寫的方式參考。
SELECT raw:owner, RAW:owner FROM store_data
+-------+-------+
| owner | owner |
+-------+-------+
| amy | amy |
+-------+-------+
-- References are case sensitive when you use brackets
SELECT raw:OWNER case_insensitive, raw:['OWNER'] case_sensitive FROM store_data
+------------------+----------------+
| case_insensitive | case_sensitive |
+------------------+----------------+
| amy | null |
+------------------+----------------+
使用反引號可逸出空格和特殊字元。 欄位名稱的比對不區分大小寫。
-- Use backticks to escape special characters. References are case insensitive when you use backticks.
-- Use brackets to make them case sensitive.
SELECT raw:`zip code`, raw:`Zip Code`, raw:['fb:testid'] FROM store_data
+----------+----------+-----------+
| zip code | Zip Code | fb:testid |
+----------+----------+-----------+
| 94025 | 94025 | 1234 |
+----------+----------+-----------+
注意
如果 JSON 記錄包含多個可能因不區分大小寫的比對而符合您擷取路徑的資料行，您就會收到錯誤，要求您使用括號。 如果您在跨資料列中有相符的資料行，就不會收到任何錯誤。 以下將擲回錯誤：{"foo":"bar", "Foo":"bar"}，以下則不會擲回錯誤：
{"foo":"bar"}
{"Foo":"bar"}
擷取巢狀欄位
您可以透過點標記法或使用括號來指定巢狀欄位。 使用括弧時，資料行會以區分大小寫的方式比對。
-- Use dot notation
SELECT raw:store.bicycle FROM store_data
-- the column returned is a string
+------------------+
| bicycle |
+------------------+
| { |
| "price":19.95, |
| "color":"red" |
| } |
+------------------+
-- Use brackets
SELECT raw:store['bicycle'], raw:store['BICYCLE'] FROM store_data
+------------------+---------+
| bicycle | BICYCLE |
+------------------+---------+
| { | null |
| "price":19.95, | |
| "color":"red" | |
| } | |
+------------------+---------+
從陣列擷取值
您可以使用括弧在陣列中編製元素的索引。 索引是以 0 為基礎。 您可以使用星號 (*) 後面接著點或括弧標記法，從陣列中的所有元素擷取子欄位。
-- Index elements
SELECT raw:store.fruit[0], raw:store.fruit[1] FROM store_data
+------------------+-----------------+
| fruit | fruit |
+------------------+-----------------+
| { | { |
| "weight":8, | "weight":9, |
| "type":"apple" | "type":"pear" |
| } | } |
+------------------+-----------------+
-- Extract subfields from arrays
SELECT raw:store.book[*].isbn FROM store_data
+--------------------+
| isbn |
+--------------------+
| [ |
| null, |
| "0-553-21311-3", |
| "0-395-19395-8" |
| ] |
+--------------------+
-- Access arrays within arrays or structs within arrays
SELECT
raw:store.basket[*],
raw:store.basket[*][0] first_of_baskets,
raw:store.basket[0][*] first_basket,
raw:store.basket[*][*] all_elements_flattened,
raw:store.basket[0][2].b subfield
FROM store_data
+----------------------------+------------------+---------------------+---------------------------------+----------+
| basket | first_of_baskets | first_basket | all_elements_flattened | subfield |
+----------------------------+------------------+---------------------+---------------------------------+----------+
| [ | [ | [ | [1,2,{"b":"y","a":"x"},3,4,5,6] | y |
| [1,2,{"b":"y","a":"x"}], | 1, | 1, | | |
| [3,4], | 3, | 2, | | |
| [5,6] | 5 | {"b":"y","a":"x"} | | |
| ] | ] | ] | | |
+----------------------------+------------------+---------------------+---------------------------------+----------+
轉換值
您可以使用 :: 將值轉換成基本資料類型。 使用 from_json 方法可將巢狀結果轉換成更複雜的資料類型，例如陣列或結構。
-- price is returned as a double, not a string
SELECT raw:store.bicycle.price::double FROM store_data
+------------------+
| price |
+------------------+
| 19.95 |
+------------------+
-- use from_json to cast into more complex types
SELECT from_json(raw:store.bicycle, 'price double, color string') bicycle FROM store_data
-- the column returned is a struct containing the columns price and color
+------------------+
| bicycle |
+------------------+
| { |
| "price":19.95, |
| "color":"red" |
| } |
+------------------+
SELECT from_json(raw:store.basket[*], 'array<array<string>>') baskets FROM store_data
-- the column returned is an array of string arrays
+------------------------------------------+
| basket |
+------------------------------------------+
| [ |
| ["1","2","{\"b\":\"y\",\"a\":\"x\"}]", |
| ["3","4"], |
| ["5","6"] |
| ] |
+------------------------------------------+
NULL 行為
JSON 欄位具有 null 值時，您將收到該資料行的 SQL null 值，而不是 null 文字值。
select '{"key":null}':key is null sql_null, '{"key":null}':key == 'null' text_null
+-------------+-----------+
| sql_null | text_null |
+-------------+-----------+
| true | null |
+-------------+-----------+
使用 Spark SQL 運算子轉換巢狀資料
Apache Spark 有數個內建函數，可用來處理複雜和巢狀資料。 下列筆記本包含範例。
此外，當內建的 Spark 運算子無法以您想要的方式轉換資料時，高階函數會提供多個其他選項。