目錄背景問題分析1、屬性值是 Json 格式的，需要使用 Json 操作函數(shù)處理2、字段內(nèi)容不規(guī)范，亂七八糟3.又要抽取內(nèi)容、又要格式化，記錄還有 900w+，太慢了最后執(zhí)行結(jié)果比較數(shù)據(jù)導(dǎo)入比較總結(jié)

這只是一次簡單數(shù)據(jù)遷移的統(tǒng)計，數(shù)據(jù)量不大，麻煩的是一些中間步驟處理和思量。

沒有 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）的其中八個字段解析為數(shù)字，轉(zhuǎn)儲為統(tǒng)計表的記錄，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 2：時間 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

因為屬性值是 Json 格式的，如下。較大的一個 Json，但是只需要其中 8 個字段值，提取出來分門別類歸為不同統(tǒng)計指標(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函數(shù)提取的值是帶''。比如對上述記錄執(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，填寫的都是規(guī)范數(shù)字，那經(jīng)過上面那一步就可以提取完直接導(dǎo)入新表。

但是，現(xiàn)實很殘酷，填的東西那叫一個亂七八糟。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、無法記錄 文本、數(shù)字混雜描述：較上次增長 10、<1、小于1、BD234/KD23

沒辦法，找產(chǎn)品和業(yè)務(wù)對情況，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)字開頭：數(shù)字開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：說明沒有數(shù)據(jù)，排除掉 文本、數(shù)字混雜：具體問題具體分析，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)字開頭的數(shù)據(jù)的首個數(shù)值

SET nakedEyeLeft = IF((nakedEyeLeft + 0 = 0), nakedEyeLeft, nakedEyeLeft + 0)

結(jié)合起來就是

SET nakedEyeLeft = IF(nakedEyeLeft NOT regexp ’[0-9]’’’, ’’, IF((nakedEyeLeft + 0 = 0), nakedEyeLeft, nakedEyeLeft + 0))WHERE `nakedEyeLeft` REGEXP ’[^0-9.]’ = 1 // 這個已經(jīng)可以排除 null 了 AND `nakedEyeLeft` != ’’

PS：處理一個字段的SQL 看著就簡單，但是因為批量一次處理 8 個字段，組合起來就很長。

千萬注意不要寫錯字段。

最后剩下的就是第四類：文本、數(shù)字混雜，40 多條。

有些看著簡單的，可以用正則自動化處理，比如<1、小于1。

記錄的增長值，需要查找上次記錄進(jìn)行計算：較上次增長 10。

剩下有點復(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得有些麻煩呢？

我也以為咬著牙搞了，結(jié)果業(yè)務(wù)說直接處理成 0，到時候發(fā)現(xiàn)是 0 的話，可以通過頁面重新保存的。

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，會保留開頭的數(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)計指標(biāo)的一些其他字段。

這種情況下，直接導(dǎo)入統(tǒng)計表的話，結(jié)果就是把兩張表+關(guān)聯(lián)表一起鎖較長時間，期間沒法更改和插入，這樣不大現(xiàn)實。

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。

但是問題是900w 數(shù)據(jù)加索引，用完需要刪除索引（因為不是業(yè)務(wù)情況需要），就會導(dǎo)致兩次波動；

再加上后續(xù)處理鎖表時長，問題還是很大。

做法二：將一個記錄較少的表做驅(qū)動表，這個表可以關(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 2：時間 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 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長

因為存在 8 個字段，每個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 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 ’眼軸長度-左眼’, `axialLengthRight` varchar(255) DEFAULT NULL COMMENT ’眼軸長度-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）。

因為需要關(guān)聯(lián)其他表，并沒有預(yù)測的那么理想。

中間表數(shù)據(jù)提取：7.5s

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)計指標(biāo)中間表

因為實際導(dǎo)入統(tǒng)計指標(biāo)表時，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)然這步其實有點矯枉過正了，但是為了避免線上的一些波動，還是謹(jǐn)慎一些較好。

總結(jié)

這是一次簡單的數(shù)據(jù)遷移經(jīng)歷記錄。

沒有索引優(yōu)化、SQL優(yōu)化的內(nèi)容，只是覺得大家需要有這種關(guān)注性能和對用戶影響的考慮。

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)儲為數(shù)字內(nèi)容請搜索好吧啦網(wǎng)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好吧啦網(wǎng)！