Tablestore：JSON類型

核心區別

兩種JSON類型在資料處理方式、查詢文法、欄位關聯性和效能特點方面存在顯著差異：

• 資料處理方式：Object類型將嵌套資料扁平化儲存，Nested類型將每個嵌套對象作為獨立文檔儲存。

• 查詢方式：Object類型使用基礎查詢，Nested類型必須使用NestedQuery查詢。

• 欄位關聯性：Object類型允許不同嵌套對象的欄位交叉匹配，Nested類型確保每個嵌套對象內的欄位獨立匹配。

• 效能特點：Object類型查詢輕量高效，資源消耗低，Nested類型功能強大但資源消耗相對較高。

選擇原則

當業務查詢需要嚴格保持嵌套對象內欄位的關聯性和準確性時，選擇Nested類型；當追求高查詢效能且對欄位關聯性要求不嚴格時，優先選擇Object類型。

步驟一：選擇JSON類型和資料格式

根據具體的業務查詢需求、效能要求和資料結構特點，選擇最適合的JSON類型和資料寫入格式。

//數組格式
[{ "country": "China", "city": "hangzhou" }, { "country": "usa", "city": "Seattle" }]

//非數組格式
{ "country": "China", "city": "hangzhou" }

private static void putRow(SyncClient client) {
    //構造主鍵。
    PrimaryKeyBuilder primaryKeyBuilder = PrimaryKeyBuilder.createPrimaryKeyBuilder();
    primaryKeyBuilder.addPrimaryKeyColumn("id", PrimaryKeyValue.fromString("10001"));
    PrimaryKey primaryKey = primaryKeyBuilder.build();

    //設定資料表名稱。
    RowPutChange rowPutChange = new RowPutChange("<TABLE_NAME>", primaryKey);

    // 構建JSON未經處理資料。
    List<Map<String, Object>> addresses = Arrays.asList(
    new HashMap<String, Object>() {{ put("country", "China"); put("city", "hangzhou"); }},
    new HashMap<String, Object>() {{ put("country", "usa");   put("city", "Seattle"); }}
    );
    String jsonString = JSON.toJSONString(addresses); 

    rowPutChange.addColumn(new Column("address", ColumnValue.fromString(jsonString)));

    client.putRow(new PutRowRequest(rowPutChange));
}

步驟二：配置欄位結構和建立索引

以包含兩個子欄位的單層級JSON為例，示範完整的索引配置實現過程。通過合理的欄位類型定義和屬性設定，確保索引功能的完整性和查詢效能的最佳化。

List<FieldSchema> subFieldSchemas = new ArrayList<FieldSchema>();
subFieldSchemas.add(new FieldSchema("country", FieldType.KEYWORD)
    .setIndex(true).setEnableSortAndAgg(true));
subFieldSchemas.add(new FieldSchema("city", FieldType.KEYWORD)
    .setIndex(true).setEnableSortAndAgg(true));

FieldSchema jsonFieldSchema = new FieldSchema("address", FieldType.Json)
    .setJsonType(JsonType.OBJECT) // 設定為JsonType.OBJECT或JsonType.NESTED
    .setSubFieldSchemas(subFieldSchemas);

步驟三：查詢資料

通過實際的查詢測實驗證索引配置的正確性，對比Object和Nested兩種JSON類型在相同資料和查詢條件下的不同查詢行為和結果差異。

• Object類型：將嵌套資料扁平化處理，查詢時使用父子欄位名通過半形句號串連的路徑訪問方式。扁平化儲存使得不同嵌套對象的欄位值可以交叉匹配。

• Nested類型：保持每個嵌套對象的獨立性和完整性，必須使用NestedQuery封裝查詢條件，確保欄位匹配僅在同一嵌套對象內進行。

public static void nestedQuery(SyncClient client) {
    // 查詢條件一：要求address子行的country列值為"China"
    TermQuery termQuery1 = new TermQuery();
    termQuery1.setFieldName("address.country");
    termQuery1.setTerm(ColumnValue.fromString("China"));

    // 查詢條件二：要求address子行的city列值為"Seattle"
    TermQuery termQuery2 = new TermQuery();
    termQuery2.setFieldName("address.city");
    termQuery2.setTerm(ColumnValue.fromString("Seattle"));

    // 通過BoolQuery的And條件，查詢同時滿足上述條件的子行
    List<Query> mustQueries = new ArrayList<>();
    mustQueries.add(termQuery1);
    mustQueries.add(termQuery2);
    BoolQuery boolQuery = new BoolQuery();
    boolQuery.setMustQueries(mustQueries);

    // NestedQuery內部設定BoolQuery，要求某一子行同時滿足多個查詢條件
    NestedQuery nestedQuery = new NestedQuery();    //設定查詢類型為NestedQuery。
    nestedQuery.setPath("address");   //設定巢狀型別列的路徑，即要查詢欄位的父路徑。
    nestedQuery.setQuery(boolQuery);
    nestedQuery.setScoreMode(ScoreMode.None);

    SearchQuery searchQuery = new SearchQuery();
    searchQuery.setQuery(nestedQuery);

    SearchRequest searchRequest = new SearchRequest("<TABLE_NAME>", "<SEARCH_INDEX_NAME>", searchQuery);

    SearchResponse resp = client.search(searchRequest);
    System.out.println("Row: " + resp.getRows());
}

public static void boolQuery(SyncClient client) {
    // 查詢條件一：要求address子行的country列值為"China"
    TermQuery termQuery1 = new TermQuery();
    termQuery1.setFieldName("address.country");
    termQuery1.setTerm(ColumnValue.fromString("China"));

    // 查詢條件二：要求address子行的city列值為"Seattle"
    TermQuery termQuery2 = new TermQuery();
    termQuery2.setFieldName("address.city");
    termQuery2.setTerm(ColumnValue.fromString("Seattle"));

    // 通過BoolQuery的And條件，查詢同時滿足上述條件的子行
    List<Query> mustQueries = new ArrayList<>();
    mustQueries.add(termQuery1);
    mustQueries.add(termQuery2);
    BoolQuery boolQuery = new BoolQuery();
    boolQuery.setMustQueries(mustQueries);


    SearchQuery searchQuery = new SearchQuery();
    searchQuery.setQuery(boolQuery);

    SearchRequest searchRequest = new SearchRequest("<TABLE_NAME>", "<SEARCH_INDEX_NAME>", searchQuery);

    SearchResponse resp = client.search(searchRequest);
    System.out.println("Row: " + resp.getRows());
}

單層級JSON樣本

以Java代碼為例，建立單層級JSON欄位tags（可根據需求選擇JSON類型），包含以下三個功能欄位：

• tagName：字串類型（Keyword），用於標籤名稱的精確匹配和彙總分析。

• score：浮點數類型（Double），用於標籤權重的數值計算和排序。

• time：日期時間類型（Date），採用毫秒時間戳記格式，用於時間範圍查詢和時序分析。

資料寫入時支援數組和非數組兩種格式，可根據業務資料結構靈活選擇：

// 數組形式
[{"tagName":"tag1", "score":0.8,"time": 1730690237000 }, {"tagName":"tag2", "score":0.2,"time": 1730691557000}]
// 非數組形式
{"tagName":"tag1", "score":0.8,"time": 1730690237000 }

完整的Schema配置代碼實現：

List<FieldSchema> subFieldSchemas = new ArrayList<FieldSchema>();
subFieldSchemas.add(new FieldSchema("tagName", FieldType.KEYWORD)
    .setIndex(true).setEnableSortAndAgg(true));
subFieldSchemas.add(new FieldSchema("score", FieldType.DOUBLE)
    .setIndex(true).setEnableSortAndAgg(true));
subFieldSchemas.add(new FieldSchema("time", FieldType.DATE)
    .setDateFormats(Arrays.asList("epoch_millis")));

FieldSchema nestedFieldSchema = new FieldSchema("tags", FieldType.Json)
    .setJsonType(JsonType.OBJECT) // 按需替換為JsonType.NESTED
    .setSubFieldSchemas(subFieldSchemas);

多層級JSON樣本

以Java代碼為例，建立多層級JSON欄位user（可根據需求設定JsonType），構建包含基礎使用者資訊和嵌套地址資訊的完整資料結構。使用多層級JSON時支援混合使用Nested類型和Object類型。

• 基礎欄位：name（Keyword類型，用于姓名精確查詢）、age（Long類型，用於年齡範圍篩選）、birth（Date類型，格式為yyyy-MM-dd HH:mm:ss.SSS，用於生日時間查詢）、phone（Keyword類型，用於連絡方式匹配）。

• 嵌套欄位：address（可根據需求設定JsonType），包含province、city、street三個地址層級欄位（均為Keyword類型），支援地理位置的層級查詢。

典型的使用者資料寫入樣本：

{
  "name": "張三",
  "age": 20,
  "birth": "2014-10-10 12:00:00.000",
  "phone": "1390000****",
  "address": {
    "province": "浙江省",
    "city": "杭州市",
    "street": "陽光大道幸福小區1201號"
  }
}

多層級JSON的完整Schema配置實現：

// address子欄位Schema（路徑：user.address）
List<FieldSchema> addressSubFiledSchemas = new ArrayList<>();
addressSubFiledSchemas.add(new FieldSchema("province",FieldType.KEYWORD));
addressSubFiledSchemas.add(new FieldSchema("city",FieldType.KEYWORD));
addressSubFiledSchemas.add(new FieldSchema("street",FieldType.KEYWORD));

// user子欄位Schema（路徑：user）
List<FieldSchema> subFieldSchemas = new ArrayList<>();
subFieldSchemas.add(new FieldSchema("name",FieldType.KEYWORD));
subFieldSchemas.add(new FieldSchema("age",FieldType.LONG));
subFieldSchemas.add(new FieldSchema("birth",FieldType.DATE)
    .setDateFormats(Arrays.asList("yyyy-MM-dd HH:mm:ss.SSS")));
subFieldSchemas.add(new FieldSchema("phone",FieldType.KEYWORD));
subFieldSchemas.add(new FieldSchema("address",FieldType.JSON)
    .setJsonType(JsonType.NESTED) // 按需替換為JsonType.OBJECT
    .setSubFieldSchemas(addressSubFiledSchemas));

// 建立父欄位user
List<FieldSchema> fieldSchemas = new ArrayList<>();
fieldSchemas.add(new FieldSchema("user",FieldType.JSON)
    .setJsonType(JsonType.OBJECT) // 按需替換為JsonType.NESTED
    .setSubFieldSchemas(subFieldSchemas));