旧方法:get_json_object() 性能极差
```sql
select get_json_object(properties, '$.client_version_name'),
get_json_object(properties, '$.is_big'),
get_json_object(properties, '$.network_type'),
get_json_object(properties, '$.is_monkey'),
get_json_object(properties, '$.launch_package'),
get_json_object(properties, '$.launch_type'),
get_json_object(properties, '$.country_code'),
get_json_object(properties, '$.android_version'),
get_json_object(...)
from (select properties
from schema_name.table_name
where pt_d = '20240727'
and pt_h = '18'
and type = 'oper') t
;```
新方法:json_tuple()性能极好
```sql
select t.*,a.*
from (select properties
from schema_name.table_name
where pt_d = '20240727'
and pt_h = '18'
and type = 'oper') t
lateral view json_tuple(t.properties ,'client_version_name','is_big','network_type','is_monkey','launch_package','launch_type','country_code','android_version','...') a as client_version_name,is_big,network_type,is_monkey,launch_package,ppt_launch_type,country_code,android_version,...
;```
新旧方案测试结果
结论
1、get_json_object解开越多越慢,线性增加,json_tuple无论解多少,时间相差无几,且后者有巨大性能优势
2、json_tuple具有巨大的性能优势,基于此,数仓建模更多应该倾向解越多越好,表将更好用,成本也更低
建议
目前数据仓库都是使用get_json_object的方法,此方法性能较差,严重影响产出时间,且对集群CPU资源的使用压力较大,浪费云成本与费用,建议:
对数据开发:建议此方法的全面推广,新开发必须用这个方式,根据业务情况适时改掉现有数仓的旧代码,将能为公司节约非常大的大数据计算成本
对数据查询:建议数据分析师推广此方法查询数据,提高查询数据时间,节约大数据计算成本和费用
TIPS:
1、json_tuple的原理是无论解多少个字段,都是只解一次拿多个字段,而get_json_object则一个字段启动一次解析,所以后者的性能大约为前者的n倍。
2、json_tuple支持特殊字符,如果key里含有特殊字符也可以解析,如@字符,get_json_object不支持