JSON文字列のクエリー

この記事では、JSON 文字列として保存された半構造化データをクエリおよび変換するために使用できる Databricks SQL 演算子について説明します。

注:

この機能を使用すると、ファイルをフラット化せずに半構造化データを読み取ることができます。 ただし、読み取りクエリのパフォーマンスを最適化するには、Databricks では、ネストされた列を正しいデータ型で抽出することをお勧めします。

構文 <column-name>:<extraction-path> を使用して、 JSON文字列を含むフィールドから列を抽出します。ここで、<column-name> は文字列の列名、<extraction-path> は抽出するフィールドへのパスです。 返される結果は文字列です。

高度にネストされたデータを含むテーブルを作成する

次のクエリを実行して、高度にネストされたデータを含むテーブルを作成します。 この記事の例はすべて、この表を参照しています。

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

最上位の列を抽出する

列を抽出するには、抽出パスで JSON フィールドの名前を指定します。

列名は角かっこで囲んで指定できます。 括弧内で参照される列は、大文字と小文字 が区別されて一致します。 列名も大文字と小文字を区別せずに参照されます。

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           |
+------------------+----------------+

バッククォートを使用して、スペースや特殊文字をエスケープします。 フィールド名は、大文字と小文字 を区別せずに照合されます。

-- 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:

大文字と小文字を区別しない一致により、JSON レコードに抽出パスと一致する可能性のある複数の列が含まれている場合は、括弧を使用するように求めるエラーが表示されます。 行間で列が一致する場合、エラーは発生しません。 次の場合はエラーがスローされます: {"foo":"bar", "Foo":"bar"}、次の場合はエラーがスローされません。

{"foo":"bar"}
{"Foo":"bar"}

入れ子になったフィールドを抽出する

ネストされたフィールドは、ドット表記または角かっこを使用して指定します。 角かっこを使用すると、列は大文字と小文字が区別されて一致します。

-- 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"  |         |
| }                |         |
+------------------+---------+

配列から値を抽出する

配列の要素には、角かっこでインデックスを付けます。 インデックスは 0 から始まります。 アスタリスク (*) の後にドット表記または角括弧表記を使用して、配列内のすべての要素からサブフィールドを抽出できます。

-- 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"} |                                 |          |
| ]                          | ]                | ]                   |                                 |          |
+----------------------------+------------------+---------------------+---------------------------------+----------+

キャスト値

:: を使用して、値を基本データ型にキャストできます。from_json メソッドを使用して、入れ子になった結果を配列や構造体などのより複雑なデータ型にキャストします。

-- 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 の動作

null値を持つ JSON フィールドが存在する場合、その列に対してnullテキスト値ではなく、SQL null値を受け取ります。

select '{"key":null}':key is null sql_null, '{"key":null}':key == 'null' text_null
+-------------+-----------+
| sql_null    | text_null |
+-------------+-----------+
| true        | null      |
+-------------+-----------+

Spark SQL演算子を使用してネストされたデータを変換する

Apache Spark には、複雑でネストされたデータを操作するための組み込み関数が多数あります。 次のノートブックに例が含まれています。

さらに、組み込みの Spark 演算子を使用して希望どおりにデータを変換できない場合、高階関数によって多くの追加オプションが提供されます。

複雑にネストされたデータノートブック

ノートブックを新しいタブで開く