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.

Notebook de dados aninhados complexos

Abra o bloco de anotações em outra guia