Dotazování na data variant

Důležité

Tato funkce je ve verzi Public Preview.

Tento článek popisuje, jak můžete dotazovat a transformovat částečně strukturovaná data uložená jako VARIANT. Datový VARIANT typ je k dispozici v Databricks Runtime 15.3 a vyšší.

Databricks doporučuje používat VARIANT přes řetězce JSON. Pro uživatele, kteří aktuálně používají řetězce JSON a chtějí migrovat, viz Jak se varianta liší od řetězců JSON?.

Pokud chcete zobrazit příklady pro dotazování částečně strukturovaných dat uložených pomocí řetězců JSON, přečtěte si téma Dotazování řetězců JSON.

Poznámka:

VARIANT sloupce nelze použít pro clusteringové klíče, oddíly nebo Z-řádové klíče. Datový typ VARIANT nelze použít pro porovnání, seskupování, řazení a operace nastavení. Úplný seznam omezení najdete v tématu Omezení.

Vytvoření tabulky s variantovým sloupcem

Pokud chcete vytvořit sloupec varianty, použijte parse_json funkci (SQL nebo Python).

Spuštěním následujícího příkazu vytvořte tabulku s vysoce vnořenými daty uloženými jako VARIANT. (Tato data se používají v jiných příkladech na této stránce.)

SQL

-- Create a table with a variant column
CREATE TABLE store_data AS
SELECT parse_json(
  '{
    "store":{
        "fruit": [
          {"weight":8,"type":"apple"},
          {"weight":9,"type":"pear"}
        ],
        "basket":[
          [1,2,{"b":"y","a":"x"}],
          [3,4],
          [5,6]
        ],
        "book":[
          {
            "author":"Nigel Rees",
            "title":"Sayings of the Century",
            "category":"reference",
            "price":8.95
          },
          {
            "author":"Herman Melville",
            "title":"Moby Dick",
            "category":"fiction",
            "price":8.99,
            "isbn":"0-553-21311-3"
          },
          {
            "author":"J. R. R. Tolkien",
            "title":"The Lord of the Rings",
            "category":"fiction",
            "reader":[
              {"age":25,"name":"bob"},
              {"age":26,"name":"jack"}
            ],
            "price":22.99,
            "isbn":"0-395-19395-8"
          }
        ],
        "bicycle":{
          "price":19.95,
          "color":"red"
        }
      },
      "owner":"amy",
      "zip code":"94025",
      "fb:testid":"1234"
  }'
) as raw

SELECT * FROM store_data

Python

# Create a table with a variant column
store_data='''
{
  "store":{
    "fruit":[
      {"weight":8,"type":"apple"},
      {"weight":9,"type":"pear"}
    ],
    "basket":[
      [1,2,{"b":"y","a":"x"}],
      [3,4],
      [5,6]
    ],
    "book":[
      {
        "author":"Nigel Rees",
        "title":"Sayings of the Century",
        "category":"reference",
        "price":8.95
      },
      {
        "author":"Herman Melville",
        "title":"Moby Dick",
        "category":"fiction",
        "price":8.99,
        "isbn":"0-553-21311-3"
      },
      {
        "author":"J. R. R. Tolkien",
        "title":"The Lord of the Rings",
        "category":"fiction",
        "reader":[
          {"age":25,"name":"bob"},
          {"age":26,"name":"jack"}
        ],
        "price":22.99,
        "isbn":"0-395-19395-8"
      }
    ],
    "bicycle":{
      "price":19.95,
      "color":"red"
    }
  },
  "owner":"amy",
  "zip code":"94025",
  "fb:testid":"1234"
}
'''

# Create a DataFrame
df = spark.createDataFrame([(store_data,)], ["json"])

# Convert to a variant
df_variant = df.select(parse_json(col("json")).alias("raw"))

# Alternatively, create the DataFrame directly
# df_variant = spark.range(1).select(parse_json(lit(store_data)))

df_variant.display()

# Write out as a table
df_variant.write.saveAsTable("store_data")

Dotazování polí ve variantním sloupci

Pokud chcete extrahovat pole z variantního sloupce, použijte variant_get funkci (SQL nebo Python) a zadejte název pole JSON v cestě extrakce. V názvech polí se vždy rozlišují malá a velká písmena.

SQL

-- Extract a top-level field
SELECT variant_get(store_data.raw, '$.owner') AS owner FROM store_data

Syntaxi SQL můžete také použít k dotazování polí ve sloupci varianty. Viz zkratka SQL pro variant_get.

Python

# Extract a top-level field
df_variant.select(variant_get(col("raw"), "$.owner", "string")).display()

Zkratka SQL pro variant_get

Syntaxe SQL pro dotazování řetězců JSON a dalších složitých datových typů v Azure Databricks se vztahuje na VARIANT data, včetně následujících:

Slouží : k výběru polí nejvyšší úrovně.
Použijte . nebo [<key>] k výběru vnořených polí s pojmenovanými klíči.
Slouží [<index>] k výběru hodnot z polí.

SELECT raw:owner FROM store_data

+-------+
| owner |
+-------+
| "amy" |
+-------+

-- Use backticks to escape special characters.
SELECT raw:`zip code`, raw:`fb:testid` FROM store_data

+----------+-----------+
| zip code | fb:testid |
+----------+-----------+
| "94025"  | "1234"    |
+----------+-----------+

Pokud název pole obsahuje tečku (.), je třeba ho uzavřít hranatými závorkami ([ ]). Například následující dotaz vybere pole s názvem zip.code:

SELECT raw:['zip.code'] FROM store_data

Extrahování vnořených polí variantních

Pokud chcete extrahovat vnořená pole ze sloupce varianty, zadejte je pomocí zápisu tečky nebo závorek. V názvech polí se vždy rozlišují malá a velká písmena.

SQL

-- Use dot notation
SELECT raw:store.bicycle FROM store_data

-- Use brackets
SELECT raw:store['bicycle'] FROM store_data

Pokud nelze najít cestu, je NULL výsledek typu VARIANT.

Python

# Use dot notation
df_variant.select(variant_get(col("raw"), "$.store.bicycle", "string")).display()

# Use brackets
df_variant.select(variant_get(col("raw"), "$.store['bicycle']", "string")).display()

Pokud nelze najít cestu, je null výsledek typu VariantVal.

+-----------------+
| bicycle         |
+-----------------+
| {               |
| "color":"red",  |
| "price":19.95   |
| }               |
+-----------------+

Extrahování hodnot z variantových polí

Chcete-li extrahovat prvky z polí, indexujte s hranatými závorkami. Indexy jsou založené na 0.

SQL

-- Index elements
SELECT raw:store.fruit[0], raw:store.fruit[1] FROM store_data

Python

# Index elements
df_variant.select((variant_get(col("raw"), "$.store.fruit[0]", "string")),(variant_get(col("raw"), "$.store.fruit[1]", "string"))).display()

+-------------------+------------------+
| fruit             | fruit            |
+-------------------+------------------+
| {                 | {                |
|   "type":"apple", |   "type":"pear", |
|   "weight":8      |   "weight":9     |
| }                 | }                |
+-------------------+------------------+

Pokud cestu nelze najít nebo pokud je index pole mimo hranice, je výsledek null.

Práce s variantami v Pythonu

Varianty z datových rámců Sparku můžete extrahovat do Pythonu jako VariantVal a pracovat s nimi jednotlivě pomocí metod toPython a toJson.

# toPython
data = [
    ('{"name": "Alice", "age": 25}',),
    ('["person", "electronic"]',),
    ('1',)
]

df_person = spark.createDataFrame(data, ["json"])

# Collect variants into a VariantVal
variants = df_person.select(parse_json(col("json")).alias("v")).collect()

Výstup VariantVal jako řetězec JSON:

print(variants[0].v.toJson())

{"age":25,"name":"Alice"}

Převeďte VariantVal na objekt v Pythonu:

# First element is a dictionary
print(variants[0].v.toPython()["age"])

# Second element is a List
print(variants[1].v.toPython()[1])

electronic

# Third element is an Integer
print(variants[2].v.toPython())

Můžete také vytvořit VariantVal pomocí VariantVal.parseJson funkce.

# parseJson to construct VariantVal's in Python
from pyspark.sql.types import VariantVal

variant = VariantVal.parseJson('{"a": 1}')

Vytiskněte variantu jako řetězec JSON:

print(variant.toJson())

{"a":1}

Převeďte variantu na objekt Pythonu a vytiskněte hodnotu:

print(variant.toPython()["a"])

Vrácení schématu varianty

Pokud chcete vrátit schéma varianty, použijte schema_of_variant funkci (SQL nebo Python).

SQL

-- Return the schema of the variant
SELECT schema_of_variant(raw) FROM store_data;

Python

# Return the schema of the variant
df_variant.select(schema_of_variant(col("raw"))).display()

Pokud chcete vrátit kombinovaná schémata všech variant ve skupině, použijte schema_of_variant_agg funkci (SQL nebo Python).

Následující příklady vrátí schéma a potom kombinované schéma pro ukázková data json_data.

SQL

CREATE OR REPLACE TEMP VIEW json_data AS
SELECT '{"name": "Alice", "age": 25}' AS json UNION ALL
SELECT '{"id": 101, "department": "HR"}' UNION ALL
SELECT '{"product": "Laptop", "price": 1200.50, "in_stock": true}';

-- Return the schema
SELECT schema_of_variant(parse_json(json)) FROM json_data;

Python


json_data = [
    ('{"name": "Alice", "age": 25}',),
    ('{"id": 101, "department": "HR"}',),
    ('{"product": "Laptop", "price": 1200.50, "in_stock": true}',)
]

df_item = spark.createDataFrame(json_data, ["json"])

# Return the schema
df_item.select(parse_json(col("json")).alias("v")).select(schema_of_variant(col("v"))).display()

+-----------------------------------------------------------------+
| schema_of_variant(v)                                            |
+-----------------------------------------------------------------+
| OBJECT<age: BIGINT, name: STRING>                               |
| OBJECT<department: STRING, id: BIGINT>                          |
| OBJECT<in_stock: BOOLEAN, price: DECIMAL(5,1), product: STRING> |
+-----------------------------------------------------------------+

SQL

-- Return the combined schema
SELECT schema_of_variant_agg(parse_json(json)) FROM json_data;

Python

# Return the combined schema
df.select(parse_json(col("json")).alias("v")).select(schema_of_variant_agg(col("v"))).display()

+----------------------------------------------------------------------------------------------------------------------------+
| schema_of_variant(v)                                                                                                       |
+----------------------------------------------------------------------------------------------------------------------------+
| OBJECT<age: BIGINT, department: STRING, id: BIGINT, in_stock: BOOLEAN, name: STRING, price: DECIMAL(5,1), product: STRING> |
+----------------------------------------------------------------------------------------------------------------------------+

Zploštěné objekty a pole variant

Funkci generátoru variant_explode s hodnotami tabulky (SQL nebo Python) lze použít k zploštění variantových polí a objektů.

SQL

Protože variant_explode je funkce generátoru, použijete ji jako součást FROM klauzule, nikoli v SELECT seznamu, jako v následujících příkladech:

SELECT key, value
  FROM store_data,
  LATERAL variant_explode(store_data.raw);

SELECT pos, value
  FROM store_data,
  LATERAL variant_explode(store_data.raw:store.basket[0]);

Python

Pomocí rozhraní API datového rámce TVF (table-valued function) můžete rozšířit variantu na více řádků:

spark.tvf.variant_explode(parse_json(lit(store_data))).display()

# To explode a nested field, first create a DataFrame with just the field
df_store_col = df_variant.select(variant_get(col("raw"), "$.store", "variant").alias("store"))

# Perform the explode with a lateral join and the outer function to return the new exploded DataFrame
df_store_exploded_lj = df_store_col.lateralJoin(spark.tvf.variant_explode(col("store").outer()))
df_store_exploded = df_store_exploded_lj.drop("store")
df_store_exploded.display()

Pravidla přetypování variantního typu

Pole a skaláry můžete ukládat pomocí VARIANT typu. Při pokusu o přetypování variantních typů na jiné typy platí normální pravidla přetypování pro jednotlivé hodnoty a pole s následujícími dalšími pravidly.

Poznámka:

variant_get a try_variant_get přijímají typové argumenty a řídí se těmito pravidly přetypování.

Typ zdroje	Chování
`VOID`	Výsledek je `NULL` typu `VARIANT`.
`ARRAY<elementType>`	`elementType` musí být typ, na který lze přetypovat `VARIANT`.

Pokud existují konfliktní typy, které nelze vyřešit, při odvození typu pomocí schema_of_variant nebo schema_of_variant_agg funkce spadne zpět na VARIANT typ, místo STRING typu.

SQL

try_variant_get K přetypování použijte funkci (SQL):

-- price is returned as a double, not a string
SELECT try_variant_get(raw, '$.store.bicycle.price', 'double') as price FROM store_data

+------------------+
| price            |
+------------------+
| 19.95            |
+------------------+

Můžete také použít :: nebo cast k přetypování hodnot na podporované datové typy:

-- cast into more complex types
SELECT cast(raw:store.bicycle AS STRUCT<price DOUBLE, color STRING>) bicycle FROM store_data;
-- `::` also supported
SELECT raw:store.bicycle::STRUCT<price DOUBLE, color STRING> bicycle FROM store_data;

+------------------+
| bicycle          |
+------------------+
| {                |
|   "price":19.95, |
|   "color":"red"  |
| }                |
+------------------+

Python

try_variant_get K přetypování použijte funkci (Python):

# price is returned as a double, not a string
df_variant.select(try_variant_get(col("raw"), "$.store.bicycle.price", "double").alias("price"))

+------------------+
| price            |
+------------------+
| 19.95            |
+------------------+

Také použijte funkci try_variant_get (SQL nebo Python) k zpracování selhání přetypování.

SQL

SELECT try_variant_get(
  parse_json('{"a" : "c", "b" : 2}'),
  '$.a',
  'boolean'
)

Python

spark.range(1).select(parse_json(lit('{"a" : "c", "b" : 2}')).alias("v")).select(try_variant_get(col('v'), '$.a', 'boolean')).display()

Variantní pravidla null

is_variant_null Pomocí funkce (SQL nebo Python) určete, jestli je hodnota varianty null.

SQL

Varianty můžou obsahovat dva druhy hodnot null:

SQL: SQL NULLNULL indikátory naznačují, že hodnota chybí. Jsou to stejné NULL jako při práci se strukturovanými daty.
Varianta: Varianty NULLNULL indikují, že varianta explicitně obsahuje NULL hodnotu. Nejedná se o stejné hodnoty jako sql NULL, protože NULL hodnota je uložená v datech.

SELECT
  is_variant_null(parse_json(NULL)) AS sql_null,
  is_variant_null(parse_json('null')) AS variant_null,
  is_variant_null(parse_json('{ "field_a": null }'):field_a) AS variant_null_value,
  is_variant_null(parse_json('{ "field_a": null }'):missing) AS missing_sql_value_null

+--------+------------+------------------+----------------------+
|sql_null|variant_null|variant_null_value|missing_sql_value_null|
+--------+------------+------------------+----------------------+
|   false|        true|              true|                 false|
+--------+------------+------------------+----------------------+

Python

data = [
    ('null',),
    (None,),
    ('{"field_a" : 1, "field_b" : 2}',)
]

df = spark.createDataFrame(data, ["null_data"])
df.select(parse_json(col("null_data")).alias("v")).select(is_variant_null(col("v"))).display()

+------------------+
|is_variant_null(v)|
+------------------+
|              true|
+------------------+
|             false|
+------------------+
|             false|
+------------------+

Váš názor

Byla tato stránka užitečná?

Last updated on 2026-04-25

Dotazování na data variant

Vytvoření tabulky s variantovým sloupcem

SQL

Python

Dotazování polí ve variantním sloupci

SQL

Python

Zkratka SQL pro variant_get

Extrahování vnořených polí variantních

SQL

Python

Extrahování hodnot z variantových polí

SQL

Python

Práce s variantami v Pythonu

Vrácení schématu varianty

SQL

Python

SQL

Python

SQL

Python

Zploštěné objekty a pole variant

SQL

Python

Pravidla přetypování variantního typu

SQL

Python

SQL

Python

Variantní pravidla null

SQL

Python

Váš názor

Další materiály