數倉的兩種輕量級資料交換格式：json與jsonb

华为云开发者联盟發表於2024-04-19
JSON

本文分享自華為雲社群《GaussDB(DWS)——探究JSON,JSONB》，作者：yd_283975606。

1. 前言

  • 適用版本：【8.1.1（及以上）】

JSON（JavaScript Object Notation）是一種輕量級的資料交換格式，常用於將資料從伺服器傳送到Web應用程式。它採用人類易讀和機器易解析的文字格式，基於鍵值對的集合，用於表示結構。

2. json/jsonb簡介

json演進歷程

版本

8.1.1

支援JSON資料型別

8.1.2

支援JSONB高階特性、索引

9.1.0

支援JSON列存、向量化，JSONB支援索引

2.1 json/jsonb簡介

參考DWS產品文件，JSON資料型別可以用來儲存JSON（JavaScript Object Notation）資料。

可以是單獨的一個標量，也可以是一個陣列，也可以是一個鍵值物件，其中陣列和物件可以統稱容器(container)：

標量(scalar)：單一的數字、bool、string、null都可以叫做標量。
  • 陣列(array)：[]結構，裡面存放的元素可以是任意型別的JSON，並且不要求陣列內所有元素都是同一型別。
  • 物件(object)：{}結構，儲存key:value的鍵值對，其鍵只能是用“”包裹起來的字串，值可以是任意型別的JSON，對於重複的鍵，按最後一個鍵值對為準。

2.2 json與jsonb的區別

儲存方式

json是輸入字串的完整複製，使用時再去解析，所以它會保留輸入的空格，重複鍵以及順序等；

jsonb解析後儲存，刪除語義無關的細節和重複的鍵，對鍵值也會進行排序，使用時不用再次解析。

效能差別

json由於精確複製，因此插入時效能較好，但是其在處理函式時，必須在每個執行上重新解析，因此其查詢效能一般；

jsonb 資料以分解的二進位制格式儲存， 這使得它由於新增了轉換機制而在輸入上稍微慢些。但是其由於插入後即預設有序排列，因此可以更好地支援的額外操作（如bool關係的比較，頂層元素存在的判斷）。並且，其在處理函式時， 不需要重新解析，查詢效能較好。同時，jsonb支援建立btree、gist和gin索引。

3. json/jsonb輸入格式

1.標量(scalar)：輸入為數字、布林型別時，使用單引號 ’ '宣告，輸入為字串時必須加 " "宣告

json_database=# SELECT '[1, 2, "foo", null, [[]], {}]'::jsonb;
             jsonb
-------------------------------
 [1, 2, "foo", null, [[]], {}]
(1 row)

2.陣列(array)：使用中括號[]包裹，滿足陣列書寫條件。陣列內元素型別可以是任意合法的JSON，且不要求型別一致。

json_database=# SELECT '[1, 2, "foo", null, [[]], {}]'::jsonb;
             jsonb
-------------------------------
 [1, 2, "foo", null, [[]], {}]
(1 row)

3.物件(object)：使用大括號{}包裹，鍵必須是滿足JSON字串規則的字串，值可以是任意合法的JSON。

json_database=# SELECT '{"a": 1, "b": {"a": 2,  "b": null}}'::json;
                json
-------------------------------------
 {"a": 1, "b": {"a": 2,  "b": null}}
(1 row)

4.巢狀陣列和物件：陣列array中可以是任意合法的json元素，物件object則嚴格遵循了key:value的格式，兩者結合可以方便地有序查詢json值。

json_database=# SELECT '{"foo": [true, "bar"], "tags": {"a": 1, "b": null}}'::jsonb;
                        jsonb
-----------------------------------------------------
 {"foo": [true, "bar"], "tags": {"a": 1, "b": null}}
(1 row)

4. DWS的json與jsonb能力

當前DWS支援建立列存json、jsonb。

4.1 常用的json/jsonb函式及運算子(jsonb為例，json同理)

1.jsonb_object_field(jsonb, text)

描述：輸入的json型別為json-object，返回指定鍵對應的值（可能為json-object或json-array）

對應運算子：->

返回型別：jsonb

json_database=# SELECT jsonb_object_field('{"a": {"b":"foo"}}','a');
 jsonb_object_field
--------------------
 {"b": "foo"}
(1 row)

json_database=# SELECT '{"a":{"b":"foo"}}'::jsonb->'a';
  ?column?
-------------
 {"b":"foo"}
(1 row)

2.jsonb_array_element(array-jsonb, integer)

描述：輸入的json型別為json-array，返回陣列中指定下標的元素（為任意合法的JSON）

對應運算子：->

返回型別：jsonb

json_database=# SELECT jsonb_array_element('[1,true,[1,[2,3]],null]',2);
 jsonb_array_element
---------------------
 [1, [2, 3]]
(1 row)

json_database=# SELECT '[1,true,[1,[2,3]],null]'::jsonb->2;
  ?column?
-------------
 [1, [2, 3]]
(1 row)

3.jsonb_extract_path((jsonb, VARIADIC text[])

描述：輸入為json-object或json-array，返回$2所指路徑的值。$2中可以為json-object對應的鍵值(字串型別)，也可以為json-array對應的下標(整數型別)

對應運算子：#>

注意：GaussDB(DWS)物件識別符號支援以符號"#“結尾，為避免a#>b解析過程出現歧義，因此運算子”#>"前後需要增加空格，否則解析報錯。

返回型別：jsonb

json_database=# SELECT jsonb_extract_path('{"f2":{"f3":1},"f4":{"f5":99,"f6":["stringy",1,true]}}', 'f4','f6',2);
 jsonb_extract_path
--------------------
 true
(1 row)

json_database=# SELECT '{"f2":{"f3":1},"f4":{"f5":99,"f6":["stringy",1,true]}}'::jsonb #> '{f4,f6,2}';
 ?column?
----------
 true
(1 row)

4.2 jsonb高階特性

1.jsonb會丟棄空格等語義無關的細節

json_database=# select '   [1, " a ", {"a"   :1    }]  '::jsonb;
        jsonb
----------------------
 [1, " a ", {"a": 1}]
(1 row)

2.jsonb會預設對輸入鍵值的重新排序

json_database=# insert into test_json values('{"C":1,"B":2,"A":false}','{"C":1,"B":2,"A":false}');
INSERT 0 1
json_database=# select *from test_json;
           jj            |              jb
-------------------------+------------------------------
 {"C":1,"B":2,"A":false} | {"A": false, "B": 2, "C": 1}
(1 row)

比較規則如下：

首先比較型別：object-jsonb > array-jsonb > bool-jsonb > num-jsonb > str-jsonb > null-jsonb

同型別則比較內容：

  • str-json型別：依據text比較的方法，使用資料庫預設排序規則進行比較，返回值正數代表大於，負數代表小於，0表示相等。
  • num-json型別：數值比較
  • bool-json型別：true > false
  • array-jsonb型別：長度長的 > 長度短的，長度相等則依次比較每個元素。
  • object-jsonb型別：長度長的 > 長度短的，長度相等則依次比較每個鍵值對，先比較鍵，再比較值。

5.總結

DWS的JSON能力總結

目前，DWS的JSON/JSONB的功能基本完善。主要體現在函式、運算子、索引功能的支援。但目前來說，JSON列存仍然採用的是直接儲存JSON資料，即將原始的JSON資料存成單獨的一列，以完整的JSON值作為最小的粒度在磁碟上，具體如下：

json_data

{“user_id”:1001, “user_name”: “Adam”, “gender”: “Male”, “age”: 16}

{“user_id”:1002, “user_name”: “Bob”, “gender”: “Male”, “age”: 41}

{“user_id”:1003, “user_name”: “Clair”, “gender”: “Female”, “age”: 21}

優點是：JSON則天然支援Schema Evoluation，上游業務的變更，只需要在JSON列資料中進行增刪相應的欄位，無需對數倉中的表做任何DDL就能完成，也能對中間的ETL作業做到透明，最大程度地保留了半結構化資料的易用性和靈活性，能大大降低維護和管理表結構的成本。

缺點是：應用端查詢時需要選擇合適的處理函式和方法，才能解析到需要的資料，開發較為複雜，如果JSON較複雜，同時查詢效能會有退化，因為每次JSON列的資料參與計算的時候，都需要對JSON資料完整的解析一遍，比如需要抽取出整個JSON中某個欄位，那麼查詢引擎執行的時候就要讀出每一行JSON，解析一遍，取出需要的欄位再返回。這中間會涉及大量的IO和計算，而需要的可能只是JSON資料成百上千欄位當中的一個欄位，這中間的大量IO和計算都是浪費的。

另外，當前雲原生分支上JSON的向量化支援仍然是沿用的通用的向量化框架，沒有定製化的向量化函式。通用的向量化函式框架本質上來說仍然為行存的呼叫，並不是完全意義上的向量化。

後續演進路線

如上所述，後續想要提升JSON/JSONB的查詢效能，首先必須提升JSON的儲存方式，即在解析前端將JSON拍平成寬表，真正意義上發揮JSON半結構化資料的優勢。

user_id

user_name

gender

age

1001

Adam

Male

16

1002

Bob

Male

41

1003

Clair

Female

21

這種做法的優點是：寫入DWS時，因為是普通列寫入，所以寫入效能會更好，同時在查詢側，不需要對JSON資料進行解析，查詢效能也會更好。

缺點是：每當上游的資料格式有變更時，比如變更資料型別、增刪欄位、執行DDL進行加列或者刪列，中間的實時資料ETL作業也需要進行適配改動並重新上線，使用非常不靈活，也會額外增加運維和開發負擔。並且當JSON的每一個鍵值都為一列，若出現異常資料，可能導致列數的急速膨脹，進而影響效能。

當前Hologres的方案類似，但其對特殊的列採用單獨列（屬性為JSON）儲存那些同質化不強的json鍵值（極少數出現的json鍵值）

另外，當前列存JSON的效能當前瓶頸點在於向量化的效能，一方面需要提升通用當前DWS的向量化能力，另一方面也可以考慮對json函式做出最佳化。

點選關注，第一時間瞭解華為雲新鮮技術~

相關文章