MySQL提取Json內(nèi)部字段轉(zhuǎn)儲(chǔ)為數(shù)字
這只是一次簡(jiǎn)單數(shù)據(jù)遷移的統(tǒng)計(jì)，數(shù)據(jù)量不大，麻煩的是一些中間步驟處理和思量。
沒(méi)有 SQL 優(yōu)化、索引優(yōu)化的內(nèi)容，大家輕噴。
背景
用戶眼科屬性表記錄數(shù)大概 986w，目的是把大概 29w 記錄的屬性值（json 格式）的其中八個(gè)字段解析為數(shù)字，轉(zhuǎn)儲(chǔ)為統(tǒng)計(jì)表的記錄，用于圖表分析。
以下結(jié)構(gòu)、數(shù)據(jù)都大部分我瞎謅的，不可當(dāng)真
用戶眼科屬性表結(jié)構(gòu)如下
CREATE TABLE `property` ( `id` int(11) NOT NULL AUTO_INCREMENT, `ownerId` int(11) NOT NULL COMMENT '記錄ID或者模板ID', `ownerType` tinyint(4) NOT NULL COMMENT '類型。0：記錄 1：模板', `recorderId` bigint(20) NOT NULL DEFAULT '0' COMMENT '記錄者ID', `userId` bigint(20) NOT NULL DEFAULT '0' COMMENT '用戶ID', `roleId` bigint(20) NOT NULL DEFAULT '0' COMMENT '角色I(xiàn)D', `type` tinyint(4) NOT NULL COMMENT '字段類型。0：文本 1：備選項(xiàng) 2：時(shí)間 3：圖片 4：ICD10 9：新圖片', `name` varchar(128) NOT NULL DEFAULT '' COMMENT '字段名稱', `value` mediumtext NOT NULL COMMENT '字段值', PRIMARY KEY (`id`), UNIQUE KEY `idxOwnerIdOwnerTypeNameType` (`ownerType`,`ownerId`,`name`,`type`) USING BTREE, KEY `idxUserIdRoleIdRecorderIdName` (`userId`,`roleId`,`recorderId`,`name`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='屬性';
問(wèn)題分析
1、屬性值是 Json 格式的，需要使用 Json 操作函數(shù)處理
因?yàn)閷傩灾凳?Json 格式的，如下。較大的一個(gè) Json，但是只需要其中 8 個(gè)字段值，提取出來(lái)分門(mén)別類歸為不同統(tǒng)計(jì)指標(biāo)下。
{ ......
"sight": {
"nakedEye": {
"left": "0.9",
"right": "0.6"
},
"correction": {
"left": "1",
"right": "1"
}
},
......
"axialLength": {
"left": "21",
"right": "12"
},
"korneaRadius": {
"left": "34",
"right": "33"
},
......
}
所以，需要用到 Json 操作函數(shù)：json_extract(value,'$.key1.key2')。
但是需要注意的是這個(gè)函數(shù)提取的值是帶""。比如對(duì)上述記錄執(zhí)行json_extract(value,'$.sight.nakedEye.left')的結(jié)果是"22"；也可能字段值是空字符串，那結(jié)果就是""。
所以，需要使用 replace函數(shù)把結(jié)果中的 "" 刪除掉，最后提取字段的表達(dá)式就是：replace(json_extract(value,'$.sight.nakedEye.left'),'"','')。
如果字段不存在的話，結(jié)果就是 NULL；無(wú)論是外層 sight 不存在，或是內(nèi)層 left 不存在。
2、字段內(nèi)容不規(guī)范，亂七八糟
理想下，填寫(xiě)的都是規(guī)范數(shù)字，那經(jīng)過(guò)上面那一步就可以提取完直接導(dǎo)入新表。
但是，現(xiàn)實(shí)很殘酷，填的東西那叫一個(gè)亂七八糟。比如：
- 數(shù)字 + 備注：1(配合欠佳)、1-\+（我猜這是想表示偏高或偏低）
- 數(shù)字 + 單位：跟上面相似，1mm
- 多數(shù)值或區(qū)間：22.52/42.45、1-5
- 純文本描述：不配合、無(wú)法記錄
- 文本、數(shù)字混雜描述：較上次增長(zhǎng) 10、<1、小于1、BD234/KD23
沒(méi)辦法，找產(chǎn)品和業(yè)務(wù)對(duì)情況，好在不多，就 4000 多條，大致掃一下心里有數(shù)。得出以下幾條解決方案：
- 數(shù)字開(kāi)頭：數(shù)字開(kāi)頭都是正確記錄的數(shù)據(jù)，省略掉文字描述即可
- 多數(shù)值或區(qū)間：取最前面的數(shù)即可
- 純文本：說(shuō)明沒(méi)有數(shù)據(jù)，排除掉
- 文本、數(shù)字混雜：具體問(wèn)題具體分析，把其他處理掉之后看還有多少
具體怎么做呢？
第一步：排除正常的數(shù)字?jǐn)?shù)據(jù)和空數(shù)據(jù)
WHERE `nakedEyeLeft` REGEXP '[^0-9.]' = 1 // 這個(gè)已經(jīng)可以排除 null 了 AND `nakedEyeLeft` != ''
第二步：如果不包含數(shù)字，將其設(shè)置 NULL 或空字符串
SET nakedEyeLeft = IF(nakedEyeLeft NOT regexp '[0-9]', '', nakedEyeLeft)
第三步：提取數(shù)字開(kāi)頭的數(shù)據(jù)的首個(gè)數(shù)值
SET nakedEyeLeft = IF((nakedEyeLeft + 0 = 0), nakedEyeLeft, nakedEyeLeft + 0)
結(jié)合起來(lái)就是
SET nakedEyeLeft = IF(nakedEyeLeft NOT regexp '[0-9]''', '',
IF((nakedEyeLeft + 0 = 0), nakedEyeLeft, nakedEyeLeft + 0))
WHERE `nakedEyeLeft` REGEXP '[^0-9.]' = 1 // 這個(gè)已經(jīng)可以排除 null 了
AND `nakedEyeLeft` != ''
PS：處理一個(gè)字段的SQL 看著就簡(jiǎn)單，但是因?yàn)榕恳淮翁幚?8 個(gè)字段，組合起來(lái)就很長(zhǎng)。
千萬(wàn)注意不要寫(xiě)錯(cuò)字段。
最后剩下的就是第四類：文本、數(shù)字混雜，40 多條。
有些看著簡(jiǎn)單的，可以用正則自動(dòng)化處理，比如<1、小于1。
記錄的增長(zhǎng)值，需要查找上次記錄進(jìn)行計(jì)算：較上次增長(zhǎng) 10。
剩下有點(diǎn)復(fù)雜的，就需要人為處理，提取出可用數(shù)據(jù)，比如BD234/KD23
不知道看到這里的各位是不是也覺(jué)得有些麻煩呢？
我也以為咬著牙搞了，結(jié)果業(yè)務(wù)說(shuō)直接處理成 0，到時(shí)候發(fā)現(xiàn)是 0 的話，可以通過(guò)頁(yè)面重新保存的。
就不需要判斷是不是數(shù)字打頭了，直接 + 0；如果是數(shù)字打頭，會(huì)保留開(kāi)頭的數(shù)字；否則 = 0。
那最后數(shù)據(jù)格式化SQL：
UPDATE property SET nakedEyeLeft = IF(nakedEyeLeft NOT regexp '[0-9]''', '', nakedEyeLeft + 0) WHERE `nakedEyeLeft` REGEXP '[^0-9.]' = 1 // 這個(gè)已經(jīng)可以排除 null 了 AND `nakedEyeLeft` != '';
3.又要抽取內(nèi)容、又要格式化，記錄還有 900w+，太慢了
property 表有 900w+ 的數(shù)據(jù)，而所需記錄的條件，只有name、ownerType、type是可知的，沒(méi)法命中現(xiàn)有的索引。
如果直接查找的話，直接就是全表掃描，外加數(shù)據(jù)提取和格式化；更何況還需要關(guān)聯(lián)其他表，補(bǔ)充統(tǒng)計(jì)指標(biāo)的一些其他字段。
這種情況下，直接導(dǎo)入統(tǒng)計(jì)表的話，結(jié)果就是把兩張表+關(guān)聯(lián)表一起鎖較長(zhǎng)時(shí)間，期間沒(méi)法更改和插入，這樣不大現(xiàn)實(shí)。
減少掃描行數(shù)
做法一：給 name、ownerType、type 加上索引，將掃描記錄縮減到 20 w。
但是問(wèn)題是900w 數(shù)據(jù)加索引，用完需要?jiǎng)h除索引（因?yàn)椴皇菢I(yè)務(wù)情況需要），就會(huì)導(dǎo)致兩次波動(dòng)；
再加上后續(xù)處理鎖表時(shí)長(zhǎng)，問(wèn)題還是很大。
做法二：將一個(gè)記錄較少的表做驅(qū)動(dòng)表，這個(gè)表可以關(guān)聯(lián)目標(biāo)表。
CREATE TABLE `property` (
`ownerId` int(11) NOT NULL COMMENT '記錄ID或者模板ID',
`ownerType` tinyint(4) NOT NULL COMMENT '類型。0：記錄 1：模板',
`type` tinyint(4) NOT NULL COMMENT '字段類型。0：文本 1：備選項(xiàng) 2：時(shí)間 3：圖片 4：ICD10 9：新圖片',
`name` varchar(128) NOT NULL DEFAULT '' COMMENT '字段名稱',
`value` mediumtext NOT NULL COMMENT '字段值',
省略其他字段
UNIQUE KEY `idxOwnerIdOwnerTypeNameType` (`ownerType`,`ownerId`,`name`,`type`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='屬性';
表中ownerId 可以關(guān)聯(lián)到記錄表，加上之前的條件name、ownerType、type，如此剛好命中 并``idxOwnerIdOwnerTypeNameType (ownerType,ownerId,name,type) 。
CREATE TABLE `medicalrecord` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(50) NOT NULL DEFAULT '' COMMENT '記錄名稱',
`type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '記錄類型。',
省略其他字段
KEY `idxName` (`name`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='記錄';
記錄表可以通過(guò) name='眼科記錄'命中索引idxName，掃描行數(shù)只有2w，加上屬性表 29w，最后掃描行數(shù)只有 30w 左右，比之全表掃描屬性表少了 30 倍?。?！。
避免數(shù)據(jù)提取和格式化的鎖表時(shí)長(zhǎng)
因?yàn)榇嬖?8 個(gè)字段，每個(gè)字段都需要提取和格式化，中間還需要進(jìn)行判斷。這樣子一個(gè) SQL 里面同樣的提取和格式化操作就要多次執(zhí)行了。
所以，為了避免這樣的問(wèn)題，需要中間表暫存提取和格式化結(jié)果。
CREATE TABLE `propertytmp` ( `id` int(11) NOT NULL AUTO_INCREMENT, `value` mediumtext NOT NULL COMMENT '字段值', `nakedEyeLeft` varchar(255) DEFAULT NULL COMMENT '視力-裸眼-左眼', `nakedEyeRight` varchar(255) DEFAULT NULL COMMENT '視力-裸眼-右眼', `correctionLeft` varchar(255) DEFAULT NULL COMMENT '視力-矯正-左眼', `correctionRight` varchar(255) DEFAULT NULL COMMENT '視力-矯正-右眼', `axialLengthLeft` varchar(255) DEFAULT NULL COMMENT '眼軸長(zhǎng)度-左眼', `axialLengthRight` varchar(255) DEFAULT NULL COMMENT '眼軸長(zhǎng)度-右眼', `korneaRadiusLeft` varchar(255) DEFAULT NULL COMMENT '角膜曲率-左眼', `korneaRadiusRight` varchar(255) DEFAULT NULL COMMENT '角膜曲率-右眼', `updated` datetime NOT NULL COMMENT '更新時(shí)間', `deleted` tinyint(1) NOT NULL DEFAULT '0', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
先將數(shù)據(jù)導(dǎo)入該表，在此基礎(chǔ)上做提取，然后格式化。
最后執(zhí)行結(jié)果比較
數(shù)據(jù)導(dǎo)入比較
結(jié)果：全表掃描屬性表導(dǎo)入中間表（40s），屬性表新增索引+導(dǎo)入（6s + 3s），關(guān)聯(lián)導(dǎo)入（1.4s）。
因?yàn)樾枰P(guān)聯(lián)其他表，并沒(méi)有預(yù)測(cè)的那么理想。
中間表數(shù)據(jù)提?。?.5s
UPDATE `propertytmp` SET nakedEyeLeft = REPLACE(json_extract(value,'$.sight.axialLength.left'),'"',''), nakedEyeLeft = REPLACE(json_extract(value,'$.sight.nakedEye.left'),'"',''), nakedEyeRight = REPLACE(json_extract(value,'$.sight.nakedEye.right'),'"',''), correctionLeft = REPLACE(json_extract(value,'$.sight.correction.left'),'"',''), correctionRight = REPLACE(json_extract(value,'$.sight.correction.right'),'"',''), axialLengthLeft = REPLACE(json_extract(value,'$.axialLength.left'),'"',''), axialLengthRight = REPLACE(json_extract(value,'$.axialLength.right'),'"',''), korneaRadiusLeft = REPLACE(json_extract(value,'$.korneaRadius.left'),'"',''), korneaRadiusRight = REPLACE(json_extract(value,'$.korneaRadius.right'),'"','');
中間表數(shù)據(jù)格式化：2.3s
正則判斷比我想象的要快啊
UPDATE propertytmp
SET nakedEyeLeft = IF(nakedEyeLeft NOT REGEXP '[0-9]' AND nakedEyeLeft != '', '', nakedEyeLeft + 0),
nakedEyeRight = IF(nakedEyeRight NOT REGEXP '[0-9]' AND nakedEyeRight != '', '', nakedEyeRight + 0),
correctionLeft = IF(correctionLeft NOT REGEXP '[0-9]' AND correctionLeft != '', '', correctionLeft + 0),
correctionRight = IF(correctionRight NOT REGEXP '[0-9]' AND correctionRight != '', '', correctionRight + 0),
axialLengthLeft = IF(axialLengthLeft NOT REGEXP '[0-9]' AND axialLengthLeft != '', '', axialLengthLeft + 0),
axialLengthRight = IF(axialLengthRight NOT REGEXP '[0-9]' AND axialLengthRight != '', '', axialLengthRight + 0),
korneaRadiusLeft = IF(korneaRadiusLeft NOT REGEXP '[0-9]' AND korneaRadiusLeft != '', '', korneaRadiusLeft + 0),
korneaRadiusRight = IF(korneaRadiusRight NOT REGEXP '[0-9]' AND korneaRadiusRight != '', '', korneaRadiusRight + 0)
WHERE (`nakedEyeLeft` REGEXP '[^0-9.]' = 1
AND `nakedEyeLeft` != '')
OR (`nakedEyeRight` REGEXP '[^0-9.]' = 1
AND `nakedEyeRight` != '')
OR (`correctionLeft` REGEXP '[^0-9.]' = 1
AND `correctionLeft` != '')
OR (`correctionRight` REGEXP '[^0-9.]' = 1
AND `correctionRight` != '')
OR (`axialLengthLeft` REGEXP '[^0-9.]' = 1
AND `axialLengthLeft` != '')
OR (`axialLengthRight` REGEXP '[^0-9.]' = 1
AND `axialLengthRight` != '')
OR (`korneaRadiusLeft` REGEXP '[^0-9.]' = 1
AND `korneaRadiusLeft` != '')
OR (`korneaRadiusRight` REGEXP '[^0-9.]' = 1
AND `korneaRadiusRight` != '');
統(tǒng)計(jì)指標(biāo)中間表
因?yàn)閷?shí)際導(dǎo)入統(tǒng)計(jì)指標(biāo)表時(shí)，還需要排除為空數(shù)據(jù)，以及關(guān)聯(lián)其他表做補(bǔ)充。
為了減少對(duì)指標(biāo)表的影響，又建了指標(biāo)表的中間表，結(jié)構(gòu)完全一致，ID自增是目標(biāo)表 + 10000。
將屬性中間表的數(shù)據(jù)導(dǎo)入指標(biāo)中間表，最后直接 INSERT ... SELECT FROM，就很快了。
當(dāng)然這步其實(shí)有點(diǎn)矯枉過(guò)正了，但是為了避免線上的一些波動(dòng)，還是謹(jǐn)慎一些較好。
總結(jié)
這是一次簡(jiǎn)單的數(shù)據(jù)遷移經(jīng)歷記錄。
沒(méi)有索引優(yōu)化、SQL優(yōu)化的內(nèi)容，只是覺(jué)得大家需要有這種關(guān)注性能和對(duì)用戶影響的考慮。
到此這篇關(guān)于MySQL提取Json內(nèi)部字段轉(zhuǎn)儲(chǔ)為數(shù)字的文章就介紹到這了,更多相關(guān)MySQL提取Json轉(zhuǎn)儲(chǔ)為數(shù)字內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信