Consultar strings JSON
Este artigo descreve os operadores Databricks SQL que o senhor pode usar para consultar e transformar dados semiestruturados armazenados como JSON strings.
Observação
Esse recurso permite que o senhor leia dados semiestruturados sem achatar os arquivos. No entanto, para otimizar o desempenho da consulta de leitura, a Databricks recomenda que o senhor extraia colunas aninhadas com os tipos de dados corretos.
O senhor extrai uma coluna de campos que contêm JSON strings usando a sintaxe <column-name>:<extraction-path>
, em que <column-name>
é o nome da coluna de cadeias de caracteres e <extraction-path>
é o caminho para o campo a ser extraído. Os resultados retornados são strings.
Criar uma tabela com dados altamente aninhados
Execute a seguinte consulta para criar uma tabela com dados altamente aninhados. Todos os exemplos deste artigo fazem referência a essa tabela.
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
Extrair uma coluna de nível superior
Para extrair uma coluna, especifique o nome do campo JSON em seu caminho de extração.
O senhor pode fornecer nomes de colunas entre colchetes. As colunas referenciadas dentro de colchetes são combinadas com distinção entre maiúsculas e minúsculas. O nome da coluna também é referenciado sem distinção de maiúsculas e minúsculas.
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 |
+------------------+----------------+
Utilize os sinais de barra invertida para escapar de espaços e caracteres especiais. Os nomes de campo são combinados sem distinção entre maiúsculas e minúsculas.
-- 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 |
+----------+----------+-----------+
Observação
Se um registro JSON contiver várias colunas que possam corresponder ao seu caminho de extração devido à correspondência sem distinção entre maiúsculas e minúsculas, o senhor receberá um erro solicitando o uso de colchetes. Se o senhor tiver correspondências de colunas entre linhas, não receberá nenhum erro. O seguinte gerará um erro: {"foo":"bar", "Foo":"bar"}
, e o seguinte não gerará um erro:
{"foo":"bar"}
{"Foo":"bar"}
Extrair campos aninhados
O senhor especifica os campos aninhados por meio da notação de ponto ou usando colchetes. Quando o senhor usa colchetes, as colunas são combinadas com distinção entre maiúsculas e minúsculas.
-- 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" | |
| } | |
+------------------+---------+
Extrair valores de matrizes
O senhor indexa elementos em matrizes com colchetes. Os índices são baseados em 0. O senhor pode usar um asterisco (*
) seguido de notação de ponto ou colchete para extrair subcampos de todos os elementos de uma matriz.
-- 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"} | | |
| ] | ] | ] | | |
+----------------------------+------------------+---------------------+---------------------------------+----------+
Valores de elenco
O senhor pode usar ::
para converter valores em tipos de dados básicos. Use o método from_json para converter resultados aninhados em tipos de dados mais complexos, como arrays ou structs.
-- 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"] |
| ] |
+------------------------------------------+
Comportamento NULL
Quando existir um campo JSON com um valor null
, o senhor receberá um valor SQL null
para essa coluna, e não um valor de texto null
.
select '{"key":null}':key is null sql_null, '{"key":null}':key == 'null' text_null
+-------------+-----------+
| sql_null | text_null |
+-------------+-----------+
| true | null |
+-------------+-----------+
Transformar o uso aninhado de dados Spark SQL operators
Apache Spark tem várias funções integradas para trabalhar com dados complexos e aninhados. O site Notebook a seguir contém exemplos.
Além disso, as funções de ordem superior oferecem muitas opções adicionais quando os operadores integrados Spark não estão disponíveis para transformar os dados da maneira que o senhor deseja.