操作？json 数据库取数指南 (怎么取json里的数据库)
操作？ON数据库取数指南
随着数据处理技术的不断发展，各种不同的数据库类型也应运而生。其中一种较为热门的数据库类型便是ON数据库。这种数据库以文本格式存储数据，相较于传统的关系型数据库而言，能更好的适应各种应用场景。本文将为大家讲解如何操作ON数据库进行数据取数，并为大家提供一份ON数据库取数指南。
ON数据库概述
ON数据库是指能够对文本格式的数据进行存取和处理的数据库。ON数据库采用某些方式来存储ON文本数据，并能够在需要时自动执行查询、过滤、排序以及其他数据处理功能。常见的ON数据库包括MongoDB、CouchDB等。
ON数据库的优点在于它们能够更好的存储半结构化数据。而在一些应用场景下，半结构化数据比结构化数据更加适用。例如，在许多Web应用程序中，数据是以ON格式进行传输的。ON数据库使得对这类数据进行处理更为便捷。
ON数据库的取数方式
为了从ON数据库中取数，需要使用一些特殊的查询语句。在ON数据库中，查询语句是以ON格式进行编写的。以下是一些常见的ON数据库查询语句：
1. 对象查询
对象查询语句用于从ON文档中查询包含特定键值对的对象。例如，以下语句可以用于查询一个名为customer的对象：
db.collection.find({name:“customer”})
2. 数组查询
数组查询语句用于从ON文档中查询特定值的数组。例如，以下语句可以用于查询所有包含值“blue”的数组：
db.collection.find({colors: “blue”})
3. 操作符
操作符可以用于从ON文档中查询符合特定条件的数据。例如，以下语句可以用于查询身高大于170cm的人：
db.collection.find({height: {$gt: 170}})
ON数据库取数指南
ON数据库的取数方式可能与传统的关系型数据库存在差异。以下是一份ON数据库取数指南，帮助您更好的使用ON数据库进行数据取数。
1. 理解数据结构
在将数据写入ON数据库之前，需要事先理解该数据的结构。这是因为ON数据库是根据数据结构进行存储和查找的。如果您能够理解数据结构，那么您将可以更加轻松的编写查询语句。
2. 使用正确的查询语句
无论是关系型数据库还是ON数据库，查询语句都是非常重要的。如果您使用不正确的查询语句，就很可能无法从数据库中获取所需数据。因此，在编写查询语句时，需要对查询语句本身进行深刻的理解。如果您对查询语句存在不确定，可以参考一下其他开发者编写的查询语句。
3. 理解索引
索引是ON数据库中重要的组成部分。索引能够提高数据查询的效率，在处理大量数据时至关重要。因此，在存储大量数据时，需要在合适的键上添加索引，以获得更佳的查询效率。
ON数据库作为一种新型数据库类型，具有很多传统数据库所不具备的优势。但是，在使用ON数据库取数时，需要理解ON数据库的特点，并使用正确的查询语句和索引。期望上述ON数据库取数指南能够对您在日常开发工作中的工作带来一些帮助。
相关问题拓展阅读：
mysql怎么搜索json格式的数据
在MySQL与PostgreSQL的对比中，PG的ON格式支持优势总是不断被拿来比较。其实早先MariaDB也有对非结构化的数据进行存储的方案，称为dynamic column，但是方案是通过BLOB类型的方式来存储。这样导致的问题是查询性能不高，不能有效建立索引，与一些文档数据库对比，优势并不大，故在社区的反应其实比较一般。当然，MariaDB的dynamic column功能还不仅限于非结构化数据的存储，但不在本文进行展开。
MySQL 5.7.7 labs版本开始InnoDB存储引擎已经原生支持ON格式，该格式不是简单的BLOB类似的替换。原生的ON格式支持有以下的优势：
ON数据有效性检查：BLOB类型无法在数据库层做这样的约束性检查
查询性能的提升：查询不需要遍历所有字符串才能找到数据
支持索引：通过虚拟列的功能可以对ON中的部分数据进行索引
首先我们来看如何在MySQL中使用原生的ON格式：
mysql> create table user ( uid int auto_increment,
-> data json,primary key(uid))engine=innodb;
Query OK, 0 rows affected (0.01 sec)
mysql> insert into user values (NULL,
-> ‘{“name”:”David”,”mail”:””,”address”:”Shangahai”}’);
Query OK, 1 row affected (0.00 sec)
mysql> insert into user values (NULL,'{“name”:”Amy”,”mail”:””}’);
Query OK, 1 row affected (0.00 sec)
可以看到我们新建了表user，并且将列data定义为了ON类型。这意味着我们可以对插入的数据做ON格式检查，确保其符合ON格式的约束，如插入一条不合法的ON数据会报如下错误：
mysql> insert into user values (NULL,”test”);
ERROR 3130 (22023): Invalid ON text: “Invalid value” at position 2 in value (or column) ‘test’.
此外，正如前面所说的，MySQL 5.7提供了一系列函数来高效地处理ON字符，而不是需要遍历所有字符来查找，这不得不说是对MariaDB dynamic column的巨大改进：
mysql> select jsn_extract(data, ‘$.name’),jsn_extract(data,’$.address’) from user;
+-+—+
| jsn_extract(data, ‘$.name’) | jsn_extract(data,’$.address’) |
+-+—+
| “David” | “Shangahai” |
| “Amy” | NULL |
+-+—+
2 rows in set (0.00 sec)
当然，最令人的激动的功能应该是MySQL 5.7的虚拟列功能，通过传统的B+树索引即可实现对ON格式部分属性的快速查询。使用方法是首先创建该虚拟列，然后在该虚拟列上创建索引：
mysql> ALTER TABLE user ADD user_name varchar(128)
-> GENERATED ALWAYS AS (jsn_extract(data,’$.name’)) VIRTUAL;
Query OK, 0 rows affected (0.01 sec)
Records: 0 Duplicates: 0 Warnings: 0
mysql> select user_name from user;
++
| user_name |
++
| “Amy” |
| “David” |
++
2 rows in set (0.00 sec)
mysql> alter table user add index idx_username (user_name);
Query OK, 2 rows affected (0.01 sec)
Records: 2 Duplicates: 0 Warnings: 0
然后可以通过添加的索引对用户名进行快速的查询，这和普通类型的列查询一样。而通过explain可以验证优化器已经选择了在虚拟列上创建的新索引：
mysql> explain select * from user where user_name='”Amy”‘\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: user
partitions: NULL
type: ref
possible_keys: idx_username
key: idx_username
key_len: 131
ref: const
rows: 1
filtered: 100.00
Extra: NULL
1 row in set, 1 warning (0.00 sec)
可以发现MySQL 5.7对于ON格式堪称完美，相信PostgreSQL阵营需要寻找新的策略来“攻击”MySQL了吧。如无意外，还是会停留在优化器这块，毕竟这块是目前MySQL必须要克服的更大问题，好在MySQL团队已经在重构优化器代码，相信更好的优化器将会在下一个版本中全面爆发。而一大堆文档数据库们已经哭晕在厕所了吧。
我们知道，ON是一种轻量级的数据交互的格式，大部分NO SQL数据库的存储都用ON。MySQL从5.7开始支持ON格式的数据存储，并且新增了很多ON相关函数。MySQL 8.0 又带来了一个新的把ON转换为TABLE的函数ON_TABLE，实现了ON到表的转换。
举例一
我们看下简单的例子：
简单定义一个两级ON 对象
mysql> set @ytt='{“name”:}’;Query OK, 0 rows affected (0.00 sec)
之一级：
mysql> select json_keys(@ytt);+—+| json_keys(@ytt) |+—+| |+—+1 row in set (0.00 sec)
第二级：
mysql> select json_keys(@ytt,’$.name’);+-+| json_keys(@ytt,’$.name’) |+-+| |+-+1 row in set (0.00 sec)
我们使用MySQL 8.0 的ON_TABLE 来转换 @ytt。
mysql> select * from json_table(@ytt,’$.name’ columns (f1 varchar(10) path ‘$.a’, f2 varchar(10) path ‘$.b’)) as tt;
+++
| f1 | f2 |
+++
| ytt | action |
| dble | shard |
| mysql | oracle |
+++
3 rows in set (0.00 sec)
举例二
再来一个复杂点的例子，用的是EXPLAIN 的ON结果集。
ON 串 @json_str1。
set @json_str1 = ‘ { “query_block”: { “select_id”: 1, “cost_info”: { “query_cost”: “1.00” }, “table”: { “table_name”: “bigtable”, “access_type”: “const”, “possible_keys”: , “key”: “id”, “used_key_parts”: , “key_length”: “8”, “ref”: , “rows_examined_per_scan”: 1, “rows_produced_per_join”: 1, “filtered”: “100.00”, “cost_info”: {“read_cost”: “0.00”,”eval_cost”: “0.20”,”prefix_cost”: “0.00”,”data_read_per_join”: “176” }, “used_columns”: } }}’;
之一级：
mysql> select json_keys(@json_str1) as ‘first_object’;+—+| first_object |+—+| |+—+1 row in set (0.00 sec)
第二级：
mysql> select json_keys(@json_str1,’$.query_block’) as ‘second_object’;++| second_object|++| |++1 row in set (0.00 sec)
第三级：
mysql> select json_keys(@json_str1,’$.query_block.table’) as ‘third_object’\G*************************** 1. row ***************************third_object: 1 row in set (0.01 sec)
第四级：
mysql> select json_extract(@json_str1,’$.query_block.table.cost_info’) as ‘forth_object’\G*************************** 1. row ***************************forth_object: {“eval_cost”:”0.20″,”read_cost”:”0.00″,”prefix_cost”:”0.00″,”data_read_per_join”:”176″}1 row in set (0.00 sec)
那我们把这个ON 串转换为表。
SELECT * FROM ON_TABLE(@json_str1,
“$.query_block”
COLUMNS(
rowid FOR ORDINALITY,
NESTED PATH ‘$.table’
COLUMNS (
a1_1 varchar(100) PATH ‘$.key’,
a1_2 varchar(100) PATH ‘$.ref’,
a1_3 varchar(100) PATH ‘$.filtered’,
nested path ‘$.cost_info’
columns (
a2_1 varchar(100) PATH ‘$.eval_cost’ ,
a2_2 varchar(100) PATH ‘$.read_cost’,
a2_3 varchar(100) PATH ‘$.prefix_cost’,
a2_4 varchar(100) PATH ‘$.data_read_per_join’
),
a3 varchar(100) PATH ‘$.key_length’,
a4 varchar(100) PATH ‘$.table_name’,
a5 varchar(100) PATH ‘$.access_type’,
a6 varchar(100) PATH ‘$.used_key_parts’,
a7 varchar(100) PATH ‘$.rows_examined_per_scan’,
a8 varchar(100) PATH ‘$.rows_produced_per_join’,
a9 varchar(100) PATH ‘$.key’
),
NESTED PATH ‘$.cost_info’
columns (
b1_1 varchar(100) path ‘$.query_cost’
),
c INT path “$.select_id”
)
) AS tt;
++——+++——+——+——+——+——+++——+——+——+——+——+——+
| rowid | a1_1 | a1_2 | a1_3 | a2_1 | a2_2 | a2_3 | a2_4 | a3 | a| a5 | a6 | a7 | a8 | a9 | b1_1 | c |
++——+++——+——+——+——+——+++——+——+——+——+——+——+
|| id | const | 100.00 | 0.20 | 0.00 | 0.00 | 176 | 8 | bigtable | const | id | 1 | 1 | id | NULL | 1 |
|| NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | 1.00 | 1 |
++——+++——+——+——+——+——+++——+——+——+——+——+——+
2 rows in set (0.00 sec)
当然，ON_table 函数还有其他的用法，我这里不一一列举了，详细的参考手册。
请点击输入图片描述
请点击输入图片描述
关于怎么取json里的数据库的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
