在合适的情况下使用 JSON
ClickHouse 现在提供了原生的 JSON 列类型，用于处理半结构化和动态数据。需要明确的是，这是一种列类型，而不是数据格式——可以将 JSON 作为字符串插入 ClickHouse，或通过 JSONEachRow 等受支持的格式插入，但这并不意味着在使用 JSON 列类型。只有在数据结构本身是动态的情况下，才应使用 JSON 类型，而不是仅仅因为数据碰巧以 JSON 形式存储就选择该类型。
何时使用 JSON 类型
JSON 类型专为在结构动态或不可预测的 JSON 对象中，对特定字段进行查询、过滤和聚合而设计。它通过将 JSON 对象拆分为多个子列来实现这一点，与使用 Map 或解析字符串等方案相比，可以显著减少选定字段的数据读取量，从而加速查询。
不过，这也带来了一些重要的权衡：
INSERT操作较慢 —— 将 JSON 拆分为子列、执行类型推断以及管理灵活的存储结构，会使插入操作比将 JSON 作为简单的String列存储更慢。- 读取整个对象时较慢 —— 如果你需要获取完整的 JSON 文档（而不是特定字段），从
JSON类型读取会比从String列读取更慢。当你不进行字段级查询时，从多个子列重建对象的开销并不会带来任何收益。 - 存储开销更大 —— 相比将 JSON 存为单个字符串值，维护独立的子列会增加结构性存储开销。
在以下情况使用 JSON 类型：
- 当数据结构具有动态性或不可预测性，不同文档之间的键各不相同
- 字段类型或模式（schema）会随时间变化，或在不同记录之间有所差异
- 你需要在无法预先预测结构的 JSON 对象中，对特定路径进行查询、过滤或聚合
- 你的使用场景涉及半结构化数据，如日志、事件，或模式（schema）不一致的用户生成内容
在以下情况下使用 String 列（或结构化类型）：
- 你的数据结构是已知且保持一致的——在这种情况下，应使用常规列、
Tuple、Array、Dynamic或Variant类型来代替 JSON文档被当作不透明的二进制大对象（blob），只以整体形式存储和检索，而不进行字段级分析- 你不需要在数据库中对单个 JSON 字段进行查询或过滤
JSON只是传输/存储格式，不在 ClickHouse 内进行分析
如果 JSON 是在数据库内部不被分析、仅用于存储和读取的不透明文档，则应将其存储为 String 字段。只有当你需要在动态 JSON 结构中的特定字段上进行高效的查询、过滤或聚合时，JSON 类型的优势才会体现出来。
你也可以组合使用多种方式——对可预测的顶层字段使用标准列，对负载中动态部分使用 JSON 列。
使用 JSON 的注意事项和提示
JSON 类型通过将路径展开为子列，实现高效的列式存储。但灵活性也意味着需要更谨慎的使用方式。要高效使用它：
- 在列定义中使用提示指定路径类型，通过在列定义中使用类型提示为已知子列显式指定类型，避免不必要的类型推断。
- 跳过不需要的路径，如果你不需要这些值，可以使用 SKIP 和 SKIP REGEXP 来减少存储并提升性能。
- 避免将
max_dynamic_paths设置得过高——过大的值会增加资源消耗并降低效率。经验法则是将其保持在 10,000 以下。
类型提示不仅仅是避免不必要类型推断的一种方式——它们还能彻底消除存储和处理过程中的间接层。带有类型提示的 JSON 路径始终与传统列以相同方式存储，无需使用判别（discriminator）列或在查询时进行动态解析。也就是说，在类型提示定义良好的情况下，嵌套 JSON 字段可以获得与一开始就建模为顶层字段相同的性能和效率。因此，对于大部分结构一致、但仍希望利用 JSON 灵活性的数据集，类型提示提供了一种便捷方式，在无需重构模式（schema）或摄取管道的前提下，保持高性能。
高级特性
- JSON 列可以像其他列一样用于主键。无法为子列单独指定编解码器（codec）。
- 它们支持通过诸如
JSONAllPathsWithTypes()和JSONDynamicPaths()这样的函数进行自省。 - 可以使用
.^语法读取嵌套子对象。 - 查询语法可能与标准 SQL 不同，并且对于嵌套字段可能需要特殊的类型转换或运算符。
如需更多指导，请参阅 ClickHouse JSON 文档，或阅读我们的博客文章 A New Powerful JSON Data Type for ClickHouse。
示例
考虑下面的 JSON 示例，表示来自 Python PyPI 数据集 的一行数据：
假设这个 schema 是静态的，并且各字段的数据类型都可以被清晰定义。即使数据是 NDJSON 格式（每行一个 JSON 行），对于这样一个 schema 也没有必要使用 JSON 类型。只需使用传统的数据类型来定义该 schema 即可。
然后插入 JSON 行：
考虑包含 250 万篇学术论文的 arXiv 数据集。该数据集以 NDJSON 格式提供，其中每一行都代表一篇已发表的学术论文。下面给出一行示例数据：
虽然此处的 JSON 很复杂，并包含嵌套结构，但它是可预测的，字段的数量和类型不会改变。对于这个示例，我们本可以使用 JSON 类型，但也可以直接使用 Tuples 和 Nested 类型显式地定义结构：
同样地，我们可以将数据以 JSON 格式插入：
假设又添加了一个名为 tags 的列。如果这只是一个字符串列表，我们可以将其建模为 Array(String)，但我们再假设你可以添加由不同类型组成的任意标签结构（注意 score 可以是字符串或整数）。我们修改后的 JSON 文档：
在这种情况下，我们可以将 arXiv 文档建模为全部使用 JSON，或者仅添加一个 JSON 格式的 tags 列。下面提供这两种示例：
我们在 JSON 定义中为 update_date 列提供了类型提示，因为会在排序键/主键中使用它。这样可以让 ClickHouse 确认该列不会为 null，并确保它知道应使用哪个 update_date 子列（每种类型可能都有多个子列，否则会产生歧义）。
我们可以向此表插入数据，并使用 JSONAllPathsWithTypes 函数和 PrettyJSONEachRow 输出格式来查看随后推断出的表结构：
或者，我们也可以使用之前的模式定义和一个 JSON tags 列来建模。一般更推荐这种方式，可以尽量减少 ClickHouse 所需的推断：
此时我们就可以推断出子列 tags 的类型。
