g . data_date , g . brand , replace ( json_extract ( g . goods_stat , '$.product_base_result.product_name' ) , '"' , '' ) as goods_name , replace ( replace ( json_extract ( g . goods_stat , '$.author_result.author_info[*].author_id' ) , '[' , '' ) , ']' , '' ) as author_id , replace ( replace ( replace ( json_extract ( g . goods_stat , '$.pay_gmv' ) , '"' , '' ) , ',' , '' ) , '¥' , '' ) * 1 as 成交金额 , case when json_extract ( g . goods_stat , '$.comment_num' ) like '%万"' then replace ( replace ( replace ( json_extract ( g . goods_stat , '$.comment_num' ) , '"' , '' ) , ',' , '' ) , '万' , '' ) * 10000 else replace ( replace ( json_extract ( g . goods_stat , '$.comment_num' ) , '"' , '' ) , ',' , '' ) * 1 end as 评价数 , replace ( replace ( json_extract ( g . goods_stat , '$.dh_live_d_o' ) , '"' , '' ) , '%' , '' ) * 0.01 as 直播间支付转化率 select * from dy_shop . goods_stats where data_date = date_add ( curdate ( ) , interval - 1 day ) data：代表json格式的字段名name：代表json中的元素普通解析mysql/ADB MYSQLjson_extract(data,’$.name’)clickhousedata[‘name’]特殊字符mysqljson_extract(data,’$.“name”’)ADB MYSQLjson_array_get(data,索引)索引为int型，从0开始，也就是直接解析array中的第几个元素解析json元素中的列表mysqljson_extract( case when … 函数 返回值必须跟字段类型一致（数值型） 开窗 函数 如row_number() over()不能参与where、group语句（需要根据开窗 函数 筛选分组时，可添加嵌套查询，建立外层查询，将开窗 函数 的返回结果作为独立字段进行相关查询） 聚合 函数 存在于子查询时，order by必须放在最外层 字符串拼接可直接用+或||：‘A’+‘B’ or ‘A’||‘B’ clickhouse、AnalyticDB MySQL 库注意事项 这两个库都是列式存储，全索引。所以对于字段要求很严 4. JSON _PARSE：用于将 JSON 字符串 解析 为 JSON 对象或 JSON 数组。 5. JSON _EXISTS：用于检查 JSON 字符串 中 是否存在指定的键或路径。 6. JSON _PRETTY：用于将 JSON 字符串格式化为易于阅读的形式。 以上是Flink SQL 中 解析 JSON 的 常用 函数 ，可以根据具体需求选择使用。 ### 回答2： 在Flink SQL 中 ， 解析 JSON 数据的 函数 被称为 JSON 函数 ，它允许用户将 JSON 格式的数据 解析 成Flink SQL 查询所需的格式。 在Flink SQL 中 ，用户可以使用 JSON 函数 将一个 JSON 字符串转换为一个Flink SQL 的ROW类型，这个ROW类型包含了 JSON 中 所有的key和value。此外，用户还可以使用 JSON 函数 将Flink SQL 的ROW类型转换为 JSON 字符串。 在利用 JSON 函数 解析 JSON 数据之前，需要先将 JSON 数据定义为Flink SQL 的源表，这可以使用CREATE TABLE语句来完成。在CREATE TABLE语句 中 ，用户需要指定 JSON 数据所在的路径以及 JSON 数据 中 各个字段的名称和数据类型。 接下来，用户可以利用SELECT语句来 解析 JSON 数据。在SELECT语句 中 ，用户可以使用 JSON 函数 来 解析 JSON 数据，并且可以使用标准的 SQL 语法来查询 JSON 数据 中 的某些字段。 以下是 JSON 函数 的一些 常用 语法： 1. JSON _OBJECT(str*)：返回一个 JSON 对象，这个对象 中 包含了所有给定的key-value对。 2. JSON _ARRAYAGG(expr)：将expr转化成一个 JSON 数组。 3. JSON _OBJECTAGG(key, value)：返回一个 JSON 对象，这个对象 中 包含了所有给定key-value对。 4. JSON _EXTRACT( json , path)：返回一个给定 JSON 对象 中 指定path的值。 5. JSON _ARRAY(expr1, expr2, …)：返回一个指定的 JSON 数组。 总结一下，在Flink SQL 中 ，利用 JSON 函数 解析 JSON 数据的流程如下： 1. 将 JSON 数据定义为Flink SQL 的源表。 2. 在SELECT语句 中 使用 JSON 函数 来 解析 JSON 数据。 3. 使用标准的 SQL 语法查询 JSON 数据 中 的某些字段。 最后，需要注意的是，Flink SQL 中 的 JSON 函数 文档已经非常详细，用户可以按需查阅。此外，Flink SQL 官方文档 中 还提供了很多例子，用户可以参考这些例子来学习如何使用 JSON 函数 。 ### 回答3： Flink SQL 是Apache Flink 中 的一种 SQL 分析工具，通过使用Flink SQL 可以快速地对数据进行分析和处理。在Flink SQL 中 ， 解析 JSON 是一项常见的任务，这可以通过使用 解析 JSON 的 函数 来实现。 在Flink SQL 中 ， 解析 JSON 的 函数 包括： JSON _VALUE、 JSON _OBJECT、 JSON _ARRAY等。其 中 ， JSON _VALUE 函数 用于从 JSON 字符串 中 提取特定的值， JSON _OBJECT 函数 用于创建一个 JSON 对象，而 JSON _ARRAY 函数 用于创建 JSON 数组。 JSON _VALUE 函数 的语法是： JSON _VALUE( json , path) 其 中 ， json 参数指的是要 解析 的 JSON 字符串，path参数则是 JSON 路径表达式。示例： SELECT JSON _VALUE('{"name":"xiaoming","age":18}','$.age') as age 这将返回18，因为它从 JSON 字符串 中 选择了“age”值。 JSON _OBJECT 函数 的语法是： JSON _OBJECT(key1, value1, key2, value2, …) 其 中 ，key和value是 JSON 中 的键值对。示例： SELECT JSON _OBJECT('name', 'xiaoming', 'age', 18) as user 这将返回一个包含'name'为'xiaoming'，'age'为18的 JSON 对象。 JSON _ARRAY 函数 的语法是： JSON _ARRAY(value1, value2, ...) 其 中 ，value可以是任何 JSON 数据类型，例如字符串、数字、对象或数组。示例： SELECT JSON _ARRAY('xiaoming', 'xiaohong', 'xiaobai') as users 这将返回包含三个字符串值的 JSON 数组。 总的来说，Flink SQL 中 的 解析 JSON 函数 提供了一种简单而灵活的方法来 解析 JSON 数据。使用这些 函数 ，可以轻松地从 JSON 字符串 中 提取所需的数据，并将其转换为其他格式进行进一步处理。