我的 JSON 数据是不是应该包含嵌套字段而不是重复信息？

Posted 2023-03-24

【中文标题】我的 JSON 数据是不是应该包含嵌套字段而不是重复信息？

【英文标题】：Should my JSON data contain a nested field versus duplicate information?我的 JSON 数据是否应该包含嵌套字段而不是重复信息？

【发布时间】：2020-05-07 18:22:11

【问题描述】：

我会将 JSON 文件中的数据导入 Google BigQuery，并想知道最好的做法是嵌套字段并添加模式模式为“重复”的字段以避免重复或保留重复的信息少嵌套。留下重复信息的另一个原因是，据我所知，BigQuery 最适合处理非规范化数据。但是，我不确定是否应该在数据导入之后或之前进行这种非规范化。

例如，假设我的数据是：

嵌套版本

   "store": "Pete's Market",
   "city": "NYC",
   "product": [
      
          "id": "2468",
          "item": "apple",
          "price": "$1"
      ,
      
          "id": "1357",
          "item": "cereal",
          "price": "$3",
          "brand": "Cheerios"
      
   ]


# The actual JSON data file will have this in one row:
# "store":"Pete's Market","city":"NYC","product":["id":"2468","item":"apple","price":"$1","id":"1357",item":"cereal","price":"$3","brand":"Cheerios"]

重复信息版

   "store": "Pete's Market",
   "city": "NYC",
   "product":
      
          "id": "2468",
          "item": "apple",
          "price": "$1"
      


   "store": "Pete's Market",
   "city": "NYC",
   "product":
      
          "id": "1357",
          "item": "cereal",
          "price": "$3",
          "brand": "Cheerios"
      


# The actual JSON data file will have this in two rows:
# "store":"Pete's Market","city":"NYC","product":"id": "2468","item":"apple","price":"$1"
# "store":"Pete's Market","city":"NYC","product":"id":"1357",item":"cereal","price":"$3","brand":"Cheerios"

补充说明

可能有数千个products，在嵌套版本中模式重复的字段。一些products 可能有其他人没有的字段。每个 product 中的字段可以多嵌套 2-3 层。

问题重申

最好的做法是嵌套字段并添加具有模式模式“重复”的字段以避免重复或留下重复的信息？

【参考方案1】：

如果您的数据是一次写入或仅追加，则只有轻微的可用性差异（如下所述），任何一种都可以正常工作，标准化的数据存储和扫描成本略低。

轻微的可用性差异：

-- With nested schema
SELECT *  -- here all product's sub fields are entering parent namespace and no way to rename them in batch
FROM table, UNNEST(product) prd

但是如果你想稍后只更新某些产品，嵌套产品很难做到，因为没有办法更新重复字段中的单个项目，你必须加载整个数组，扫描和更改，然后重新打包更新列。您将编写如下内容：

UPDATE table
SET product = (SELECT ARRAY_AGG(...) FROM UNNEST(Product) WHERE ...)
WHERE ... -- filter to specific products

在这种情况下，非规范化的形式会更容易处理。