灵活性与高性能兼得：KingbaseES 对 JSON 数据的全面支持解析

像我们现在做开发的时候，谁没接触过 JSON 呀，调用 Web API，保存配置文件，处理物联网设备传回的日志之类的，JSON 这种半结构化数据真是随处可见。

金仓数据库 KingbaseES (KES) 在国产数据库中属于佼佼者，所以其功能自然不容忽视，该数据库原本就具备 JSON 数据类型的相关支持，而且特意为我们供应了一整套实用的函数以及索引机制，大致来讲，就是使得用户既能收获关系型数据库那值得信赖的 ACID 特性，又能够轻松获取 NoSQL 所具有的灵活性。

今天这篇文章,咱们来讲讲 KingbaseES 如何全方位支持 JSON 函数的,带大家一起轻松应对半结构化数据。

@[toc]

1. 选型第一步：JSON 和 JSONB 到底用哪个？

在 KingbaseES 里，存 JSON 数据有两种路子，虽然看着都能存，但这俩在底层的脾气秉性可大不一样：

• JSON 类型 ：
  • 特性：简单粗暴，你给它啥样，它就存啥样。纯文本存储，连空格、键的顺序、甚至重复的键都给你留着。
  • 缺点：查起来费劲，每次都得重新解析一遍，效率不高，而且还没法建索引。
  • 适用场景：这就适合那些必须原封不动保留原始数据的情况，比如法律审计啊，或者单纯当个日志归档存着不动。

JSON 文本（松散、无序、带空格）

{
  "user_name": "张三",
  "age": 28,
  "is_vip": true,
  "hobbies": ["编程", "游戏", "阅读"],
  "address": {
    "city": "北京",
    "street": "科技园路8号"
  },
  "last_login": null,
  "score": 95.5
}

• JSONB 类型 （强烈推荐）：
  • 特性：存的是二进制格式。存进去的时候它会先"嚼碎"了（解析），把多余的空格扔了，键的顺序也不留，重复的键只留最后一个。
  • 优点 ：查起来飞快，因为不需要再解析了；最关键的是，它支持 GIN 索引，这可是查询性能起飞的关键。
  • 适用场景：只要你是需要频繁查、改、处理 JSON 数据，选它准没错。

JSONB 二进制结构（紧凑、有序、树状）

JSONB_OBJECT [8字节头部]
├─ 键序1（S：字符串类型）："address" → 嵌套对象
│  ├─ 键序1："city"（S）→ "北京"（16字节）
│  └─ 键序2："street"（S）→ "科技园路8号"（24字节）
├─ 键序2（B：布尔类型）："is_vip" → true（1字节）
├─ 键序3（N：数字类型）："age" → 28（4字节，整数编码）
├─ 键序4（A：数组类型）："hobbies" → 3个元素
│  ├─ 索引0（S）："编程"（8字节）
│  ├─ 索引1（S）："游戏"（8字节）
│  └─ 索引2（S）："阅读"（8字节）
├─ 键序5（N：数字类型）："score" → 95.5（8字节，浮点数编码）
├─ 键序6（NULL：空类型）："last_login" → null（1字节）
└─ 键序7（S：字符串类型）："user_name" → "张三"（12字节）

---

2. 动手试试：从建表到查询

光说不练假把式，咱们直接上代码，看看 KES 的 JSON 能力到底怎么样。

2.1 先建个表，插点数据

咱们先搞一张表，里面带个 JSONB 类型的字段：

CREATE TABLE product_docs (
    id SERIAL PRIMARY KEY,
    name VARCHAR(100),
    attributes JSONB -- 使用 JSONB 类型
);

-- 插入数据
INSERT INTO product_docs (name, attributes) VALUES 
('智能手机', '{"brand": "KingMobile", "color": "black", "specs": {"storage": "256GB", "ram": "12GB"}, "tags": ["new", "sale"]}'),
('蓝牙耳机', '{"brand": "KingAudio", "color": "white", "specs": {"battery": "24h"}, "tags": ["wireless"]}');

2.2 像切菜一样灵活的查询操作符

KES 提供了一套跟 PostgreSQL 很像的操作符，取数据特别顺手：

• -> : 拿对象（出来的还是 JSON 格式）。
• ->> : 拿文本（出来的就是纯字符串了）。
• #> : 按路径拿对象（层级深的时候好用）。

-- 查询所有品牌（返回文本）
SELECT attributes->>'brand' AS brand FROM product_docs;

-- 查询存储规格为 256GB 的产品（嵌套查询）
SELECT name 
FROM product_docs 
WHERE attributes->'specs'->>'storage' = '256GB';

2.3 强大的标准 SQL JSON 函数

除了上面那些好用的操作符，KingbaseES 对 SQL 标准和 Oracle 风格 的 JSON 函数支持得也相当完美。如果你以前习惯用 Oracle，那上手肯定特亲切。

• JSON_VALUE：取单个值。
• JSON_QUERY：取对象或者数组。
• JSON_TABLE：这个厉害了，能把 JSON 数据直接转换成关系表的格式（行列转换的神器）。

-- 使用 JSON_VALUE 提取颜色
SELECT name, JSON_VALUE(attributes, '$.color') AS color 
FROM product_docs;

-- 使用 JSON_TABLE 将 JSON 数组拆解为行
-- 假设我们需要展开 tags 数组
SELECT p.name, t.tag
FROM product_docs p,
     JSON_TABLE(p.attributes, '$.tags[*]' COLUMNS (tag VARCHAR(20) PATH '$')) AS t;

---

3. 进阶玩法：修改与构建

3.1 直接在数据库里改 JSON

以前可能得把数据拿出来在代码里改，现在不用了，直接在数据库这一层就能动刀：

• jsonb_set：更新指定路径下的值。
• - ：删除键或数组元素。

-- 将 ID 为 1 的手机颜色修改为 "silver"
UPDATE product_docs 
SET attributes = jsonb_set(attributes, '{color}', '"silver"') 
WHERE id = 1;

-- 给所有产品增加一个 "in_stock" 标记
UPDATE product_docs 
SET attributes = attributes || '{"in_stock": true}';

3.2 构造 JSON

有时候前端要 JSON 格式，咱们也不用在后端代码里拼了，直接把关系型数据转成 JSON 吐出去：

-- 将查询结果直接构建为 JSON 对象
SELECT jsonb_build_object(
    'product_name', name,
    'details', attributes
) 
FROM product_docs;

---

4. 性能加速器：GIN 索引

这可是 JSONB 的"杀手锏"。要是表里 JSON 数据多了，全表扫描肯定慢得要死。这时候，KES 的 GIN (Generalized Inverted Index) 索引就派上用场了。

-- 在 attributes 列上创建 GIN 索引
CREATE INDEX idx_product_attrs ON product_docs USING GIN (attributes);

建好索引之后，像下面这种查询，哪怕数据量到了千万级，也能瞬间给你返回结果：

-- 查询包含 "wireless" 标签的产品
-- @> 是"包含"操作符，GIN 索引对此支持极佳
SELECT name FROM product_docs WHERE attributes @> '{"tags": ["wireless"]}';

---

5. 小结

总的来说，KingbaseES 对 JSON 的支持可不是简单地"能存能取"那么简单，它其实是给咱们构建了一套完整的生态系统：

1. 要么存要么用：JSON 和 JSONB 随你挑。
2. 兼容性强 ：既有简单的操作符，也支持 Oracle/SQL 标准的那些函数（比如 JSON_TABLE），老项目迁移过来也省心。
3. 性能卓越：配合 GIN 索引，查半结构化数据也能像查普通表一样快。

不管你是想做一个灵活的内容管理系统（CMS），还是得处理那些变来变去的电商商品属性，KingbaseES 的 JSON 能力都能给你稳稳的支撑。

---

参考资料：KingbaseES 数据库知识库