TiDB 字符串行转列与 JSON 数据查询优化知识笔记

一、长字符串行转列方案

  1. JSON_TABLE 方案(TiDB 5.0+ 推荐)
    通过将逗号分隔字符串转为 JSON 数组后展开为行:

sql

SET @str = 'a,b,c,d';

SELECT jt.val, jt.pos

FROM JSON_TABLE(

CONCAT('[', REPLACE(@str, ',', '","'), '"]'),

' [ ∗ ] ′ C O L U M N S ( v a l V A R C H A R ( 255 ) P A T H ′ [*]' COLUMNS ( val VARCHAR(255) PATH ' [∗]′COLUMNS(valVARCHAR(255)PATH′',

pos INT PATH '$.ordinality'

)

) AS jt;

核心原理:利用 JSON_TABLE 将数组元素映射为行,支持位置信息提取,性能接近 O (log n)。

  1. 递归 CTE 方案(通用场景)

适用于无内置函数的数据库,通过递归拆分字符串:

sql

SET @str = 'a,b,c';

WITH RECURSIVE split_cte AS (

SELECT 1 AS pos, SUBSTRING_INDEX(@str, ',', 1) AS val

UNION ALL

SELECT pos+1, SUBSTRING_INDEX(SUBSTRING_INDEX(@str, ',', pos+1), ',', -1)

FROM split_cte WHERE pos < LENGTH(@str) - LENGTH(REPLACE(@str, ',', ''))

)

SELECT * FROM split_cte;

二、JSON 数据查询优化

  1. JSON 索引创建与使用
    sql
    -- 为 JSON 数组元素创建索引
    CREATE INDEX idx_json ON table_name((CAST(json_col->'$.array[*]' AS CHAR)));

-- 查询优化:直接匹配 JSON 路径

SELECT * FROM table_name WHERE json_col->"$.array[*]" = 'target_value';

索引优势:

时间复杂度从全表扫描的 O (n) 降至索引扫描的 O (log n)。

示例:100 万行数据查询耗时从 7.2s 优化至 6ms。

  1. JSON_SEARCH 与索引对比

方法 匹配逻辑 索引支持 性能

JSON_SEARCH 搜索值并返回路径 不支持索引 O (n)(全表扫描)

->"...[*]" = value 数组元素精确匹配 支持 JSON 索引 O(log n)

三、全文索引(Full-Text Index)注意事项

  1. 版本兼容性
    TiDB 5.1+ 支持全文索引,低版本(如 v8.5.1)不支持,会报错 UnknownType: *ast.MatchAgainst。
    替代方案:使用 JSON 索引或拆分存储为关联表。
  2. 正确用法(TiDB 5.1+)
    sql
    -- 创建虚拟列与全文索引
    ALTER TABLE table_name
    ADD COLUMN text_col TEXT GENERATED ALWAYS AS (REPLACE(json_col, ',', ' ')) VIRTUAL;
    ALTER TABLE table_name ADD FULLTEXT INDEX idx_text(text_col);

-- 查询示例

SELECT * FROM table_name WHERE MATCH(text_col) AGAINST('keyword' IN BOOLEAN MODE);

四、虚拟列(Generated Column)索引优化

  1. 创建虚拟列并加索引
    sql
    -- 基于 JSON 路径创建虚拟列
    ALTER TABLE table_name
    ADD COLUMN virtual_col TEXT
    GENERATED ALWAYS AS (JSON_UNQUOTE(JSON_EXTRACT(json_col, '$.path'))) VIRTUAL;

-- 添加索引

CREATE INDEX idx_virtual ON table_name(virtual_col);

  1. 查询优化示例

sql

WITH split_data AS (-- 字符串拆分逻辑...)

SELECT s.id, MAX(e.paas_id)

FROM split_data s

LEFT JOIN table_name e ON e.virtual_col = s.target_value

GROUP BY s.id;

性能对比:虚拟列 + 索引查询耗时较无索引方案提升 100+ 倍。

五、常见错误与解决方案

  1. 错误 1105: UnknownType: ast.MatchAgainst
    原因:TiDB 版本 < 5.1 不支持全文索引。
    解决方案:
    升级至 TiDB 5.1+。
    改用 JSON 索引:CREATE INDEX ... ON ((CAST(json_col->'$.path[
    ]' AS CHAR)))。
  2. 索引不生效问题
    检查点:
    索引表达式与查询条件是否一致(如是否遗漏 CAST 或 JSON_UNQUOTE)。
    执行计划是否显示 IndexRangeScan(使用 EXPLAIN SELECT ... 验证)。
    六、性能优化最佳实践
    数据模型优化:
    频繁查询的字符串建议存储为 JSON 数组,而非纯字符串。
    拆分存储:将逗号分隔字符串拆分为关联表(如 id-split_id 表),支持高效索引。
    索引维护:
    sql
    ANALYZE TABLE table_name; -- 更新统计信息

避免反模式:

禁止 LIKE '%keyword%'(全表扫描),改用前缀匹配或全文索引。

减少 JSON_SEARCH 嵌套调用,直接使用 JSON 路径匹配。

总结:TiDB 中处理字符串行转列与 JSON 数据时,优先选择 JSON_TABLE + JSON 索引 方案,结合虚拟列和合适的索引类型可显著提升性能。注意版本兼容性,避免低效查询模式。

相关推荐
月阳羊4 小时前
【硬件-笔试面试题】硬件/电子工程师,笔试面试题-26,(知识点:硬件电路的调试方法:信号追踪,替换,分段调试)
笔记·嵌入式硬件·面试·职场和发展
Star在努力5 小时前
14-C语言:第14天笔记
c语言·笔记·算法
霜绛6 小时前
机器学习笔记(三)——决策树、随机森林
人工智能·笔记·学习·决策树·随机森林·机器学习
charlie1145141919 小时前
快速入门Socket编程——封装一套便捷的Socket编程——导论
linux·网络·笔记·面试·网络编程·socket
xiaoli232710 小时前
课题学习笔记2——中华心法问答系统
笔记·学习
就改了11 小时前
FastDFS如何提供HTTP访问电子影像文件
笔记
CarmenHu11 小时前
Word2Vec和Doc2Vec学习笔记
笔记·学习·word2vec
门前云梦11 小时前
ollama+open-webui本地部署自己的模型到d盘+两种open-webui部署方式(详细步骤+大量贴图)
前端·经验分享·笔记·语言模型·node.js·github·pip
骁的小小站12 小时前
The Missing Semester of Your CS Education 学习笔记以及一些拓展知识(六)
linux·经验分享·笔记·学习·bash
Fine姐12 小时前
口语01-don‘t judge a book by its cover
笔记