当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL JSON_TABLE 数值与日期字段的类型转换和截断边界

MySQL JSON_TABLE 数值与日期字段的类型转换和截断边界

来源:17golang原创 2026-10-27 02:44:57 0浏览 收藏

把 JSON 数据接入报表或临时查询时,JSON_TABLE() 的关键不是“能不能展开”,而是 COLUMNS 中声明的 SQL 类型会怎样接住 JSON 标量。数值列建议先确定精度,日期列明确目标类型;缺失字段交给 ON EMPTY,对象或数组误映射到标量交给 ON ERROR,而 DECIMAL 截断要另外看警告。

官方地址:https://dev.mysql.com/doc/refman/8.4/en/json-table-functions.html

要点速览
  • JSON_TABLE 会把 JSON 值按列声明转换成 SQL 标量类型。
  • ON EMPTY 和 ON ERROR 处理的触发条件不同,不能混用。
  • 小数被压缩到目标精度时,截断警告独立于 ON ERROR,需要用 SHOW WARNINGS 复核。

先把 JSON 标量映射成正确的 SQL 列类型

下面的例子只关注类型映射,不讨论嵌套数组。amount 进入 DECIMAL(10,2),created_at 进入 DATE;路径存在且值可转换时,结果就是关系表中的两列。

SELECT jt.amount, jt.created_at
FROM JSON_TABLE(
  '[{"amount": 12.50, "created_at": "2026-10-27"}]',
  '$[*]' COLUMNS (
    amount DECIMAL(10,2) PATH '$.amount', -- 金额列固定两位小数
    created_at DATE PATH '$.created_at' -- 日期列只接收日期语义
  )
) AS jt;
MySQL JSON_TABLE 将 JSON 数值和日期路径映射到 DECIMAL 与 DATE 关系表列的静态说明图
图1:JSON_TABLE 标量类型映射说明图,展示 JSON 路径与 DECIMAL、DATE 列的对应关系。

这里的类型声明不是格式装饰。JSON_TABLE 先取出 JSON 值,再按目标列类型进行常规转换;因此输入字符串、数字和日期文本都应该按目标列的容忍范围设计。生产查询里不要让隐式转换替你决定金额精度。

把缺失字段和转换错误分开处理

路径找不到时触发 ON EMPTY;路径取到对象或数组,却要写进标量列,或者发生列类型转换错误时,才进入 ON ERROR。两者都不写时有默认行为,但对数据质量敏感的导入应显式写出策略。

SELECT jt.amount, jt.created_at
FROM JSON_TABLE(
  '[{"amount": 8.2}, {"amount": [1,2], "created_at": "bad"}]',
  '$[*]' COLUMNS (
    amount DECIMAL(10,2) PATH '$.amount'
      NULL ON EMPTY ERROR ON ERROR, -- 缺失金额置空,数组误入金额列直接报错
    created_at DATE PATH '$.created_at'
      NULL ON EMPTY NULL ON ERROR -- 缺失或无法转换时保留空值
  )
) AS jt;

两列可以采用不同策略:金额通常宁愿中止并修数据,日期字段则可能允许空值后续补齐。重要的是不要把“没有字段”和“字段存在但类型不对”写成同一个排障结论。

把截断告警和 ON ERROR 分开检查

例如 3.14159 写入 DECIMAL(10,2),结果可能保留两位小数,同时产生截断警告。这个警告不是 ON ERROR 的替代分支;即使你为列写了 NULL ON ERROR,也应在需要严格精度时查看警告。

SELECT jt.amount
FROM JSON_TABLE(
  '[{"amount": 3.14159}]',
  '$[*]' COLUMNS (
    amount DECIMAL(10,2) PATH '$.amount' NULL ON ERROR -- 转换错误置空,不吞掉精度检查
  )
) AS jt;
SHOW WARNINGS; -- 检查 DECIMAL 精度缩减是否产生截断提示

如果业务要求金额不可悄悄改变,应把源字段精度、目标列精度和警告采集一起纳入导入检查,而不是只看查询是否返回了一行。

MySQL JSON_TABLE 区分缺失字段、对象数组转换错误与 DECIMAL 截断警告的边界结构图
图2:JSON_TABLE 错误边界结构图,区分截断告警、缺失值和标量转换错误。

上线前的四项复核清单

检查项确认内容
类型金额、日期等列是否声明了明确的 SQL 标量类型
缺失没有路径时是否显式决定 NULL、默认值或 ERROR
错误对象、数组或非法标量进入列时是否有对应 ON ERROR 策略
告警DECIMAL 截断后是否执行 SHOW WARNINGS 或采集警告

这份清单适合放在数据导入 SQL 的评审说明里。先验证输入样本,再定列类型;先区分错误类别,再决定是否继续导入,排查成本会比事后追踪一批被静默转换的数据低得多。

相关问题

JSON_TABLE 的 ON ERROR 能消除所有转换告警吗?

不能。它主要处理对象、数组或转换失败等错误,精度截断可能仍以 warning 形式出现,需要单独查看。

缺失字段应该写 ON EMPTY 还是 ON ERROR?

字段不存在属于 ON EMPTY;字段存在但值无法按目标列保存,才属于 ON ERROR。

为什么日期列不建议完全依赖默认类型转换?

因为输入可能同时出现缺失、空字符串和格式错误。显式写出 DATE 列与异常策略,才能让结果和后续补数规则一致。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go io.LimitReader 读取到上限后为什么没有 ErrGo io.LimitReader 读取到上限后为什么没有 Err
上一篇
Go io.LimitReader 读取到上限后为什么没有 Err
OpenAI Responses API 怎样让模型调用自定义函数
下一篇
OpenAI Responses API 怎样让模型调用自定义函数
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    720次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    728次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    804次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    767次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    604次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码