深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
liuian 2025-05-08 19:43 5 浏览
引言
在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL 8.0 引入了丰富的 JSON 相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨 MySQL 8.0 中的 JSON 函数,从基本语法到详细示例,为您揭示 JSON 函数的妙用。
JSON 函数的使用语法
在 MySQL 8.0 中,我们可以使用 JSON 函数来处理 JSON 类型的数据。JSON 函数提供了一系列的操作,帮助我们轻松地解析和操作 JSON 数据。
基本语法如下:
JSON_FUNCTION(json_expression[, path_or_value])
其中,JSON_FUNCTION 代表具体的 JSON 函数名称,json_expression 是待处理的 JSON 数据,path_or_value 则是可选参数,表示 JSON 键路径或索引。
JSON 函数一览
下面,我们将一一介绍 MySQL 8.0 中的 JSON 函数,并给出详细的解释和示例。
函数目录:
- JSON_OBJECT 创建一个 JSON 对象
- JSON_ARRAY 创建一个 JSON 数组
- JSON_EXTRACT 提取 JSON 数据中指定路径的值
- JSON_UNQUOTE 移除外层的双引号
- JSON_SEARCH 搜索指定值,并返回下标
- JSON_CONTAINS 数据中是否包含指定值
- JSON_MERGE 合并多个 JSON 对象或数组
- JSON_REPLACE 替换 JSON 数据中指定路径的值
- JSON_REMOVE 删除 JSON 数据中指定路径的值
- JSON_INSERT 数据中插入新的键值对
- JSON_ARRAY_APPEND 数组末尾追加元素
- JSON_ARRAY_INSERT 数组指定位置插入元素
- JSON_ARRAYAGG 多行数据聚合为一个 JSON 数组
- JSON_OBJECTAGG 多行数据聚合为一个 JSON 对象
- JSON_PRETTY 格式化 JSON 数据
1. JSON_OBJECT
JSON_OBJECT 函数用于创建一个 JSON 对象。
SELECT JSON_OBJECT('name', 'Alice', 'age', 30) AS json_result;
执行结果:
+-------------------------------------+
| json_result |
+-------------------------------------+
| {"name": "Alice", "age": 30} |
+-------------------------------------+
2. JSON_ARRAY
JSON_ARRAY 函数用于创建一个 JSON 数组。
SELECT JSON_ARRAY(10, 'apples', true, null) AS json_result;
执行结果:
+---------------------------------+
| json_result |
+---------------------------------+
| [10, "apples", true, null] |
+---------------------------------+
3. JSON_EXTRACT
JSON_EXTRACT 函数用于提取 JSON 数据中指定路径的值。
SELECT JSON_EXTRACT('{"name": "Bob", "age": 25}', '$.name') AS name;
执行结果:
+--------+
| name |
+--------+
| "Bob" |
+--------+
:额外还有双引号,其实不需要,略显的多余
4. JSON_UNQUOTE
JSON_UNQUOTE函数用于从一个包含JSON格式的字符串中移除外层的双引号,将其解析为实际的JSON值。通常,它用于处理从数据库中检索出的包含JSON的字符串,以便后续对JSON值进行操作。
#去除双引号
SELECT JSON_UNQUOTE(JSON_EXTRACT('{"name": "Bob", "age": 25}', '$.name')) AS name;
执行结果:
+------+
| name |
+------+
| Bob |
+------+
5. JSON_SEARCH
JSON_SEARCH 函数用于在 JSON 数据中搜索指定值,并返回路径。
SELECT JSON_SEARCH('["apple", "banana", "cherry"]', 'all', 'cherry') AS path;
执行结果:
+------------------+
| path |
+------------------+
| "$[2]" |
+------------------+
6. JSON_CONTAINS
JSON_CONTAINS 函数用于检查 JSON 数据中是否包含指定值。
SELECT JSON_CONTAINS('["apple", "banana"]', '"apple"') AS contains;
执行结果:
+----------+
| contains |
+----------+
| 1 |
+----------+
7. JSON_MERGE
JSON_MERGE 函数用于合并多个 JSON 对象或数组。
SELECT JSON_MERGE('{"name": "Alice"}', '{"age": 30}') AS merged_json;
执行结果:
+------------------------------+
| merged_json |
+------------------------------+
| {"name": "Alice", "age": 30} |
+------------------------------+
8. JSON_REPLACE
JSON_REPLACE 函数用于替换 JSON 数据中指定路径的值。
SELECT JSON_REPLACE('{"name": "Alice", "age": 25}', '$.age', 35) AS updated_json;
执行结果:
+------------------------------+
| merged_json |
+------------------------------+
| {"name": "Alice", "age": 35} |
+------------------------------+
9. JSON_REMOVE
JSON_REMOVE 函数用于删除 JSON 数据中指定路径的值。
SELECT JSON_REMOVE('{"fruits": ["apple", "banana", "cherry"]}', '$.fruits[1]') AS updated_json;
执行结果:
+----------------------------------+
| updated_json |
+----------------------------------+
| {"fruits": ["apple", "cherry"]} |
+----------------------------------+
10. JSON_INSERT
在 JSON 数据中插入新的键值对。
SELECT JSON_INSERT('{"name": "Alice", "age": 25}', '$.city', 'New York') AS updated_json;
执行结果:
+---------------------------------------------+
| updated_json |
+---------------------------------------------+
| {"age":25,"city":"New York","name":"Alice"} |
+---------------------------------------------+
11. JSON_ARRAY_APPEND
在 JSON 数组末尾追加元素。
SELECT JSON_ARRAY_APPEND('["apple", "banana"]', '#39;, 'cherry') AS updated_array;
执行结果:
+-----------------------------+
| updated_array |
+-----------------------------+
| ["apple","banana","cherry"] |
+-----------------------------+
12. JSON_ARRAY_INSERT
在 JSON 数组指定位置插入元素。
SELECT JSON_ARRAY_INSERT('["apple", "banana", "cherry"]', '$[1]', 'orange') AS updated_array;
执行结果:
+--------------------------------------+
| updated_array |
+--------------------------------------+
| ["apple","orange","banana","cherry"] |
+--------------------------------------+
13. JSON_ARRAYAGG
将多行数据聚合为一个 JSON 数组。
SELECT JSON_ARRAYAGG(name) AS names FROM employees;
执行结果:
+--------------------------------------+
| names |
+--------------------------------------+
| ["admin","张三","李四"] |
+--------------------------------------+
14. JSON_OBJECTAGG
将多行数据聚合为一个 JSON 对象。
SELECT JSON_OBJECTAGG(id, name) AS id_name_map FROM employees;
执行结果:
+--------------------------------------+
| id_name_map |
+--------------------------------------+
| {"1":"admin","2":"张三","3":"李四"} |
+--------------------------------------+
15. JSON_PRETTY
格式化 JSON 数据,使其更易读。
SELECT JSON_PRETTY('{"name": "Alice", "age": 30}') AS pretty_json;
执行结果:
{
"age": 30,
"name": "Alice"
}
总结与问题
通过本文的介绍,我们详细了解了 MySQL 8.0 中的 JSON 函数,从创建对象和数组到提取、搜索、合并、替换、删除等多个操作。这些函数为开发者提供了灵活的数据操作手段,使得处理 JSON 数据变得轻松而高效。
然而,使用 JSON 函数时需要注意一些问题,如嵌套结构的处理、性能方面的考虑等。在设计数据模型时,合理使用 JSON 类型和函数将会带来更好的开发体验和性能表现。
JSON 函数的优劣点
JSON 函数的优点在于:
- 灵活性:JSON 函数提供了多样化的操作,适用于不同的数据场景和需求。
- 简洁性:通过 JSON 函数,我们可以用更少的代码完成复杂的数据操作。
- 高效性:JSON 函数能够在数据库层面完成数据处理,减少了数据传输和应用层处理的开销。
然而,JSON 函数的缺点也需要考虑:
- 查询性能:复杂的 JSON 操作可能影响查询性能,特别是在大数据量的情况下。
- 数据一致性:滥用 JSON 类型和函数可能导致数据不一致或难以维护的问题。
- 可读性:过度使用 JSON 函数可能降低 SQL 查询的可读性,增加维护难度。
综上所述,MySQL 8.0 中的 JSON 函数为开发者提供了强大的工具,帮助我们更好地处理和操作 JSON 数据。在实际应用中,合理使用这些函数,充分发挥其优势,同时注意其局限性,将会为我们带来更好的开发体验和性能表现。
我为人人,人人为我,美美与共,天下大同。
- 上一篇:MySQL的json查询之json_array(mysql json_search)
- 已经是最后一篇了
相关推荐
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
-
引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
-
前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...
- MySQL的json查询之json_array(mysql json_search)
-
json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
-
#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...
- TensorBoard最全使用教程:看这篇就够了
-
机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
-
本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...
- kornia,一个实用的 Python 库!(python kkb_tools)
-
大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...
- 图像分割掩码标注转YOLO多边形标注
-
Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...
- [python] 向量检索库Faiss使用指北
-
Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
-
并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...
- ncnn+PPYOLOv2首次结合!全网最详细代码解读来了
-
编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...
- 人工智能——图像识别(人工智能图像识别流程)
-
概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...
- PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法
-
在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...
- 大模型中常用的注意力机制GQA详解以及Pytorch代码实现
-
分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...
- pytorch如何快速创建具有特殊意思的tensor张量?
-
专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
-
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
- MySQL的json查询之json_array(mysql json_search)
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
- TensorBoard最全使用教程:看这篇就够了
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
- kornia,一个实用的 Python 库!(python kkb_tools)
- 图像分割掩码标注转YOLO多边形标注
- [python] 向量检索库Faiss使用指北
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)