共计 3397 个字符，预计需要花费 9 分钟才能阅读完成。
mysql 5.7+ 版本开始支持 json 数据类型，可以方便的存储 JSON 格式的数据，同时配合虚拟列（virtual generated column），可以方便的为 json 列数据的某属性映射虚拟列，建立索引，高效检索。
构造 json 数据
方法：json_array() / json_object()
json_array / json_object 用于组装 json 数据，json 说的简单些 json 就是由标量 (int，float, string) + 数组 + 对象组合而成的，这两个函数可以方便的用于构造数组和对象的 json 格式串
json_array(item1, item2, item3, …)
=>
[item1, item2, item3]
json_object(key1, val1[, [key2, val2]…])
=>
{“key1”: “val1”, “key2”: “val2”,…}
使用场景例如：
select json_object(
“username”, “big_cat”,
“favorites”, json_array(
json_object(“article_id”, 1, “favorited_at”, “2019-01-18”),
json_object(“article_id”, 2, “favorited_at”, “2019-01-18”),
json_object(“article_id”, 3, “favorited_at”, “2019-01-18”),
json_object(“article_id”, 4, “favorited_at”, “2019-01-18”)
)
);
// result
{
“username”: “big_cat”,
“favorites”: [
{“article_id”: 1, “favorited_at”: “2019-01-18”},
{“article_id”: 2, “favorited_at”: “2019-01-18”},
{“article_id”: 3, “favorited_at”: “2019-01-18”},
{“article_id”: 4, “favorited_at”: “2019-01-18″}
]
}
读取 json 数据
方法：json_extract() /col->”$.{property_name}”
json_extract 用于读取 json 列的某字段，或者也可以使用 col->”$.{property_name}” 的方式访问
json_extract(`col`, ‘$.{property_name}’) / `col`->’$.{property_name}’
create table `users` (
`id` int unsigned not null auto_increment primary key,
`doc` json
);
insert into `users`(`doc`)
values (json_object(“name”, “big_cat”, “age”, 28)), (‘{“name”: “james”, “age”: 29}’);
select json_extract(`doc`, “$.name”) as `name`, json_extract(`doc`, “$.age”) as `age` from `users`;
select `doc`->”$.name” as `name`, `doc`->”$.age” as `age` from `users`;
高效检索 json 数据
mysql 提供的一些函数是可以方便我们条件检索 json 数据的，但无法使用索引，数据量大的时候难免低效。
select id, doc->”$.age” from users where json_extract(doc, “$.name”) = “big_cat”;
select id, doc->”$.age” from users where doc->”$.name” = “big_cat”;
这时我们可以利用同 json 一同新增的特性：虚拟列（virtual generated column）。将需要参与检索的 json 属性映射为 虚拟列，在虚拟列上建立索引，便可参与高效检索。
另外补充一下，在 mysql 5.7+ 中，支持两种 Generated Column，即 Virtual Generated Column 和 Stored Generated Column。前者不存储元数据，后者会将 expression 的计算结果实际的存储下来。其实二者性能差距并不大，若对二者建立索引进行检索操作，前者性能可能会略低于后者，因为前者要对结果集即时的进行 expression 的演算，但后者需要消耗额外的存储空间。
需要注意的有：不存储数据的特性也导致只能在虚拟列上建立二级索引，插入数据时不可以向虚拟列插入数值（mysql 自行负责演算）。
#虚拟列创建
ALTER TABLE `table_name` ADD COLUMN `col_name` <type> [GENERATED ALWAYS] AS (<expression>) [VIRTUAL|STORED]
[UNIQUE [KEY] ] [[PRIMARY] KEY ] [NOT NULL] [COMMENT <text>]
# 为 user 表的 json 字段的 name 创建虚拟列
alter table `users` add column `user_name` varchar(10) generated always as (`doc`->”$.name”);
# 为虚拟列添加索引
alter table `users` add index `index_u_n`(`user_name`);
# 检索时可以使用索引
explain select `id`, `user_name`, `doc`->”$.age” as `age` from `users` where `user_name` = “big_cat” \G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: users
partitions: NULL
type: ref
possible_keys: index_u_n
key: index_u_n
key_len: 43
ref: const
rows: 1
filtered: 100.00
Extra: NULL
1 row in set, 1 warning (0.00 sec)
下面直接对 json 解析检索的方式是无法用到索引的
explain select id from users where doc->”$.user_name” = “big_cat” \G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: users
partitions: NULL
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 2
filtered: 100.00
Extra: Using where
1 row in set, 1 warning (0.00 sec)
explain select id from users where json_extract(`doc`, ‘$.username’) = “big_cat” \G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: users
partitions: NULL
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 2
filtered: 100.00
Extra: Using where
1 row in set, 1 warning (0.00 sec)
还有其他 json 的使用这里就不说明了，大家可以参考一下文章：mysql json 使用 类型 查询 函数：https://www.cnblogs.com/ooo0/…MySQL 5.7 虚拟列（virtual columns）：https://www.cnblogs.com/raich…MySQL 5.7 原生 JSON 格式支持：https://www.cnblogs.com/zouca…
