Brug af JSONB i PostgreSQL:Sådan gemmes og indekseres JSON-data effektivt i PostgreSQL

JSON står for JavaScript Object Notation. Det er et åbent standardformat, som organiserer data i nøgle/værdi-par og arrays beskrevet i RFC 7159. JSON er det mest almindelige format, der bruges af webtjenester til at udveksle data, gemme dokumenter, ustrukturerede data osv. I dette indlæg går vi for at vise dig tips og teknikker til, hvordan du effektivt gemmer og indekserer JSON-data i PostgreSQL.

Du kan også tjekke vores Arbejde med JSON-data i PostgreSQL vs. MongoDB-webinar i samarbejde med PostgresConf for at lære mere om emnet, og se vores SlideShare-side for at downloade slides.

Hvorfor gemme JSON i PostgreSQL?

Hvorfor skal en relationsdatabase overhovedet bekymre sig om ustrukturerede data? Det viser sig, at der er et par scenarier, hvor det er nyttigt.

1. Skemafleksibilitet

   En af hovedårsagerne til at gemme data ved hjælp af JSON-formatet er skemafleksibilitet. Det er nyttigt at gemme dine data i JSON, når dit skema er flydende og ændrer sig ofte. Hvis du gemmer hver af nøglerne som kolonner, vil det resultere i hyppige DML-handlinger – dette kan være svært, når dit datasæt er stort – for eksempel hændelsessporing, analyser, tags osv. Bemærk:Hvis en bestemt nøgle altid er til stede i dit dokument, kan det være fornuftigt at gemme det som en førsteklasses kolonne. Vi diskuterer mere om denne tilgang i afsnittet "JSON-mønstre og antimønstre" nedenfor.

2. Indlejrede objekter

   Hvis dit datasæt har indlejrede objekter (enkelt eller flere niveauer), er det i nogle tilfælde nemmere at håndtere dem i JSON i stedet for at denormalisere dataene i kolonner eller flere tabeller.

3. Synkronisering med eksterne datakilder

   Ofte leverer et eksternt system data som JSON, så det kan være et midlertidigt lager, før data indlæses i andre dele af systemet. For eksempel Stripe-transaktioner.

Tidslinje for JSON-understøttelse i PostgreSQL

JSON-understøttelse i PostgreSQL blev introduceret i 9.2 og er støt forbedret i hver udgivelse fremover.

• Wave 1:PostgreSQL 9.2  (2012) tilføjede understøttelse af JSON-datatypen

  JSON-databasen i 9.2 var ret begrænset (og sandsynligvis overhypet på det tidspunkt) – dybest set en glorificeret streng med en vis JSON-validering indsat. Det er nyttigt at validere indgående JSON og gemme i databasen. Flere detaljer findes nedenfor.

• Wave 2:PostgreSQL 9.4 (2014) tilføjede understøttelse af JSONB-datatypen

  JSONB står for "JSON Binary" eller "JSON better", afhængigt af hvem du spørger. Det er et dekomponeret binært format til at gemme JSON. JSONB understøtter indeksering af JSON-dataene og er meget effektiv til at parse og forespørge JSON-dataene. I de fleste tilfælde, når du arbejder med JSON i PostgreSQL, bør du bruge JSONB.

• Wave 3:PostgreSQL 12 (2019) tilføjede understøttelse af SQL/JSON-standard- og JSONPATH-forespørgsler

  JSONPath bringer en kraftfuld JSON-forespørgselsmotor til PostgreSQL.

Hvornår skal du bruge JSON vs. JSONB?

I de fleste tilfælde er JSONB det, du skal bruge. Der er dog nogle specifikke tilfælde, hvor JSON fungerer bedre:

• JSON bevarer den originale formatering (a.k.a et mellemrum) og rækkefølgen af ​​tasterne.
• JSON bevarer dublerede nøgler.
• JSON er hurtigere at indtage i forhold til JSONB – men hvis du foretager yderligere behandling, vil JSONB være hurtigere.

For eksempel, hvis du bare indtager JSON-logfiler og ikke forespørger på dem på nogen måde, så er JSON måske en bedre mulighed for dig. I forbindelse med denne blog, når vi henviser til JSON-understøttelse i PostgreSQL, vil vi henvise til JSONB fremover.

JSONB-mønstre og antimønstre

Hvis PostgreSQL har stor understøttelse af JSONB, hvorfor har vi så brug for kolonner længere? Hvorfor ikke bare oprette en tabel med en JSONB-blob og slippe af med alle kolonner som skemaet nedenfor:

CREATE TABLE test(id int, data JSONB, PRIMARY KEY (id));

I slutningen af ​​dagen er kolonner stadig den mest effektive teknik til at arbejde med dine data. JSONB-lagring har nogle ulemper i forhold til traditionelle kolonner:

• PostreSQL gemmer ikke kolonnestatistikker for JSONB-kolonner

  PostgreSQL vedligeholder statistik om fordelingen af ​​værdier i hver kolonne i tabellen - mest almindelige værdier (MCV), NULL-indgange, distributionshistogram. Baseret på disse data træffer PostgreSQL-forespørgselsplanlæggeren smarte beslutninger om den plan, der skal bruges til forespørgslen. På dette tidspunkt gemmer PostgreSQL ingen statistik for JSONB-kolonner eller -nøgler. Dette kan nogle gange resultere i dårlige valg som f.eks. brug af indlejrede loop-joins vs. hash-joins osv. Et mere detaljeret eksempel på dette findes i dette blogindlæg – When To Avoid JSONB In A PostgreSQL Schema.

• JSONB-lagring resulterer i et større lagerplads

  JSONB-lageret dedublerer ikke nøglenavnene i JSON. Dette kan resultere i et betydeligt større lagringsfodaftryk sammenlignet med MongoDB BSON på WiredTiger eller traditionel kolonnelagring. Jeg kørte en simpel test med nedenstående JSONB-model, der lagrer omkring 10 millioner rækker af data, og her er resultaterne - På nogle måder ligner dette MongoDB MMAPV1-lagermodellen, hvor nøglerne i JSONB blev gemt som de er uden nogen komprimering. En langsigtet løsning er at flytte nøglenavnene til en ordbog på tabelniveau og henvise til denne ordbog i stedet for at gemme nøglenavnene gentagne gange. Indtil da kan løsningen være at bruge mere kompakte navne (unix-stil) i stedet for mere beskrivende navne. Hvis du f.eks. gemmer millioner af forekomster af en bestemt nøgle, ville det være bedre lagringsmæssigt at navngive den "pb" i stedet for "publisherName".

Den mest effektive måde at udnytte JSONB i PostgreSQL er at kombinere kolonner og JSONB. Hvis en nøgle optræder meget ofte i dine JSONB-blobs, er den sandsynligvis bedre at blive gemt som en kolonne. Brug JSONB som en "fang alt" til at håndtere de variable dele af dit skema, mens du udnytter traditionelle kolonner til felter, der er mere stabile.

JSONB-datastrukturer

Både JSONB og MongoDB BSON er i det væsentlige træstrukturer, der bruger multi-level noder til at gemme de parsede JSONB-data. MongoDB BSON har en meget lignende struktur.

Billedkilde

JSONB &TOAST

En anden vigtig overvejelse for opbevaring er, hvordan JSONB interagerer med TOAST (The Oversize Attribute Storage Technique). Typisk, når størrelsen af ​​din kolonne overstiger TOAST_TUPLE_THRESHOLD (2kb standard), vil PostgreSQL forsøge at komprimere dataene og passe ind i 2kb. Hvis det ikke virker, flyttes dataene til out-of-line lagring. Dette er, hvad de kalder "TOASTING" af dataene. Når dataene er hentet, skal den omvendte proces "deTOASTting" ske. Du kan også styre TOAST-lagringsstrategien:

• Udvidet – Giver mulighed for out-of-line lagring og komprimering (ved hjælp af pglz). Dette er standardindstillingen.
• Ekstern – Giver mulighed for out-of-line lagring, men ikke komprimering.

Hvis du oplever forsinkelser på grund af TOAST-komprimeringen eller dekomprimeringen, er en mulighed proaktivt at indstille kolonnelageret til "UDLÆGET". For alle detaljerne henvises til dette PostgreSQL-dokument.

JSONB-operatører og funktioner

PostgreSQL giver en række forskellige operatører til at arbejde på JSONB. Fra dokumenterne:

PostgreSQL tilbyder også en række oprettelsesfunktioner og behandlingsfunktioner til at arbejde med JSONB-dataene.

JSONB-indekser

JSONB tilbyder en bred vifte af muligheder for at indeksere dine JSON-data. På et højt niveau skal vi grave i 3 forskellige typer indekser – GIN, BTREE og HASH. Ikke alle indekstyper understøtter alle operatørklasser, så planlægning er nødvendig for at designe dine indekser baseret på den type operatører og forespørgsler, du planlægger at bruge.

GIN-indekser

GIN står for "Generalized Inverted Indexes". Fra dokumenterne:

"GIN er designet til at håndtere tilfælde, hvor de elementer, der skal indekseres, er sammensatte værdier, og de forespørgsler, der skal håndteres af indekset, skal søge efter element værdier, der vises i de sammensatte elementer. For eksempel kunne emnerne være dokumenter, og forespørgslerne kunne være søgninger efter dokumenter, der indeholder specifikke ord."

GIN understøtter to operatørklasser:

• jsonb_ops (standard) – ?, ?|, ?&, @>, @@, @? [Indeksér hver nøgle og værdi i JSONB-elementet]
• jsonb_pathops – @>, @@, @? [Indeksér kun værdierne i JSONB-elementet]

OPRET INDEX datagin PÅ bøger VED HJÆLP AF gin (data);

Eksistensoperatører (?, ?|, ?&)

Disse operatorer kan bruges til at kontrollere, om der findes nøgler på øverste niveau i JSONB. Lad os oprette et GIN-indeks på data-JSONB-kolonnen. Find for eksempel alle bøger, der er tilgængelige i punktskrift. JSON ser nogenlunde sådan her ud:

"{"tags":{"nk594127":{"ik71786":"iv678771"}}, "braille":false, "keywords":["abc", "kef", "keh"], " hardcover":true, "publisher":"EfgdxUdvB0", "criticrating":1}

demo=# vælg * fra bøger, hvor data ? 'braille';id | forfatter | isbn | vurdering | data---------+-----------------+------------+-------- +------------------------------------------------ -------------------------------------------------- -------------------------------------------------- ------------------1000005 | XEI7xShT8bPu6H7 | 2kD5XJDZUF | 0 | {"tags":{"nk455671":{"ik937456":"iv506075"}}, "braille":true, "keywords":["abc", "kef", "keh"], "hardcover":falsk , "publisher":"zSfZIAjGGs", "criticrating":4}.....demo=# forklar analyser vælg * fra bøger, hvor data ? 'braille'; FORESPØRGSPLAN--------------------------------------------- -------------------------------------------------- -----------------------Bitmap Heap Scan på bøger (pris=12.75..1005.25 rows=1000 width=158) (faktisk tid=0.033..0.039 rows=15 loops=1)Kontroller igen tilstand:(data ? 'braille'::text)Heap Blocks:exact=2-> Bitmap Index Scan på datagin (pris=0.00..12.50 rows=1000 width=0) (faktisk tid) =0.022..0.022 rækker=15 sløjfer=1)Indekstilstand:(data ? 'braille'::tekst)Planlægningstid:0,102 msUdførelsestid:0,067 ms(7 rækker)

Som du kan se fra forklaringsoutputtet, bliver GIN-indekset, som vi oprettede, brugt til søgningen. Hvad hvis vi ville finde bøger, der var i blindeskrift eller i hardcover?

demo=# forklar analyse vælg * fra bøger, hvor data ?| array['braille','hardcover']; QUERY PLAN------------------------------------------------ -------------------------------------------------- ------------------------------Bitmap Heap Scan på bøger (pris=16.75..1009.25 rækker=1000 bredde=158) ( faktisk tid=0.029..0.035 rækker=15 sløjfer=1)Tjek igen tilstand:(data ?| '{braille,hardcover}'::text[])Heap Blocks:exact=2-> Bitmap Index Scan på datagin (cost=0.00..16.50 rows=1000 width=0) (faktisk tid=0.023..0.023 rows=15 loops=1)Indeks Cond:(data ?| '{braille,hardcover}'::text[])Planlægningstid:0.138 msExecution Time:0,057 ms(7 rows)

GIN-indekset understøtter kun "existence"-operatorerne på "top-level"-taster. Hvis nøglen ikke er på det øverste niveau, vil indekset ikke blive brugt. Det vil resultere i en sekventiel scanning:

demo=# vælg * fra bøger, hvor data->'tags' ? 'nk455671';id | forfatter | isbn | vurdering | data---------+-----------------+------------+-------- +------------------------------------------------ -------------------------------------------------- -------------------------------------------------- ------------------1000005 | XEI7xShT8bPu6H7 | 2kD5XJDZUF | 0 | {"tags":{"nk455671":{"ik937456":"iv506075"}}, "braille":true, "keywords":["abc", "kef", "keh"], "hardcover":falsk , "publisher":"zSfZIAjGGs", "criticrating":4}685122 | GWfuvKfQ1PCe1IL | jnyhYYcF66 | 3 | {"tags":{"nk455671":{"ik615925":"iv253423"}}, "publisher":"b2NwVg7VY3", "criticrating":0}(2 rækker)demo=# forklar analyser vælg * fra bøger, hvor data ->'tags'? 'nk455671'; FORESPØRGSPLAN -------------------------------------------- -------------------------------------------------- ------------Seq Scan på bøger (pris=0.00..38807.29 rækker=1000 bredde=158) (faktisk tid=0.018..270.641 rækker=2 sløjfer=1)Filter:((data -> 'tags'::text) ? 'nk455671'::text)Rækker fjernet af filter:1000017Planlægningstid:0,078 msUdførelsestid:270,728 ms(5 rækker)

Måden til at kontrollere, om der findes i indlejrede dokumenter, er at bruge "udtryksindekser". Lad os oprette et indeks over data->tags:

OPRET INDEX datatagsgin PÅ bøger VED HJÆLP AF gin (data->'tags');

demo=# vælg * fra bøger, hvor data->'tags' ? 'nk455671';id | forfatter | isbn | vurdering | data---------+-----------------+------------+-------- +------------------------------------------------ -------------------------------------------------- -------------------------------------------------- ------------------1000005 | XEI7xShT8bPu6H7 | 2kD5XJDZUF | 0 | {"tags":{"nk455671":{"ik937456":"iv506075"}}, "braille":true, "keywords":["abc", "kef", "keh"], "hardcover":falsk , "publisher":"zSfZIAjGGs", "criticrating":4}685122 | GWfuvKfQ1PCe1IL | jnyhYYcF66 | 3 | {"tags":{"nk455671":{"ik615925":"iv253423"}}, "publisher":"b2NwVg7VY3", "criticrating":0}(2 rækker)demo=# forklar analyser vælg * fra bøger, hvor data ->'tags'? 'nk455671'; FORESPØRGSPLAN -------------------------------------------- -------------------------------------------------- --------------------------Bitmap Heap Scan på bøger (pris=12.75..1007.75 rækker=1000 bredde=158) (faktisk tid=0,031 ..0.035 rows=2 loops=1)Kontrollér igen tilstand:((data ->'tags'::text) ? 'nk455671'::text)Heap Blocks:exact=2-> Bitmap Index Scan på datatagsgin (cost=0.00 ..12.50 rows=1000 width=0) (faktisk tid=0.021..0.021 rows=2 loops=1)Indeks Cond:((data ->'tags'::text) ? 'nk455671'::text)Planlægningstid :0,098 ms Udførelsestid:0,061 ms(7 rækker)

Bemærk:Et alternativ her er at bruge @>-operatoren:

vælg * fra bøger, hvor data @> '{"tags":{"nk455671":{}}}'::jsonb;

Dette virker dog kun, hvis værdien er et objekt. Så hvis du er usikker på, om værdien er et objekt eller en primitiv værdi, kan det føre til forkerte resultater.

Stioperatører @>, <@

"sti"-operatoren kan bruges til forespørgsler på flere niveauer af dine JSONB-data. Lad os bruge det svarende til ? operatør ovenfor:

vælg * fra bøger hvor data @> '{"braille":true}'::jsonb;demo=# forklar analyser vælg * fra bøger hvor data @> '{"braille":true}'::jsonb; FORESPØRGSPLAN -------------------------------------------- -------------------------------------------------- -------------------Bitmap Heap Scan på bøger (pris=16.75..1009.25 rækker=1000 bredde=158) (faktisk tid=0.040..0.048 rækker=6 sløjfer =1)Gentjek tilstand:(data @> '{"braille":true}'::jsonb)Rækker fjernet af indeks Gentjek:9Heap Blocks:exact=2-> Bitmap Index Scan på datagin (pris=0.00..16.50 rækker) =1000 bredde=0) (faktisk tid=0,030..0.030 rækker=15 sløjfer=1)Indeks Cond:(data @> '{"braille":true}'::jsonb)Planlægningstid:0,100 msUdførelsestid:0,076 ms (8 rækker)

Stioperatorerne understøtter forespørgsler på indlejrede objekter eller objekter på øverste niveau:

demo=# vælg * fra bøger, hvor data @> '{"publisher":"XlekfkLOtL"}'::jsonb;id | forfatter | isbn | vurdering | data-----+-----------------+------------+--------+--- -------------------------------------------------- ----------------------------------346 | uD3QOvHfJdxq2ez | KiAaIRu8QE | 1 | {"tags":{"nk88":{"ik37":"iv161"}}, "publisher":"XlekfkLOtL", "criticrating":3}(1 række)demo=# forklar analyser vælg * fra bøger, hvor data @> '{"publisher":"XlekfkLOtL"}'::jsonb; FORESPØRGSPLAN---------------------------------------- -------------------------------------------------- -----------------------------------Bitmap Heap Scan på bøger (pris=16.75..1009.25 rækker=1000 width=158) (faktisk tid=0.491..0.492 rækker=1 sløjfer=1) Tjek igen tilstand:(data @> '{"publisher":"XlekfkLOtL"}'::jsonb)Heap Blocks:exact=1-> Bitmap Indeksscanning på datagin (pris=0.00..16.50 rækker=1000 bredde=0) (faktisk tid=0.092..0.092 rækker=1 sløjfer=1) Indeks Cond:(data @> '{"publisher":"XlekfkLOtL"} '::jsonb)Planlægningstid:0,090 msUdførelsestid:0,523 ms

Forespørgslerne kan også være på flere niveauer:

demo=# vælg * fra bøger, hvor data @> '{"tags":{"nk455671":{"ik937456":"iv506075"}}}'::jsonb;id | forfatter | isbn | vurdering | data---------+-----------------+------------+-------- +------------------------------------------------ -------------------------------------------------- -------------------------------------------------- ------------------1000005 | XEI7xShT8bPu6H7 | 2kD5XJDZUF | 0 | {"tags":{"nk455671":{"ik937456":"iv506075"}}, "braille":true, "keywords":["abc", "kef", "keh"], "hardcover":falsk , "publisher":"zSfZIAjGGs", "criticrating":4}(1 række)

GIN Index "pathops" Operator Class

GIN understøtter også en "pathops"-mulighed for at reducere størrelsen af ​​GIN-indekset. Når du bruger pathops-indstillingen, er den eneste operatørsupport "@>", så du skal være forsigtig med dine forespørgsler. Fra dokumenterne:

"Den tekniske forskel mellem et jsonb_ops og et jsonb_path_ops GIN-indeks er, at førstnævnte opretter uafhængige indekselementer for hver nøgle og værdi i dataene, mens sidstnævnte kun opretter indekselementer for hver værdi i dataene”

Du kan oprette et GIN pathops-indeks som følger:

OPRET INDEKS dataginpathops PÅ bøger VED HJÆLP AF gin (data jsonb_path_ops);

På mit lille datasæt på 1 million bøger kan du se, at pathops GIN-indeks er mindre – du bør teste med dit datasæt for at forstå besparelserne:

demo=# vælg * fra bøger, hvor data @> '{"tags":{"nk455671":{"ik937456":"iv506075"}}}'::jsonb;id | forfatter | isbn | vurdering | data---------+-----------------+------------+-------- +------------------------------------------------ -------------------------------------------------- -------------------------------------------------- ------------------1000005 | XEI7xShT8bPu6H7 | 2kD5XJDZUF | 0 | {"tags":{"nk455671":{"ik937456":"iv506075"}}, "braille":true, "keywords":["abc", "kef", "keh"], "hardcover":falsk , "publisher":"zSfZIAjGGs", "criticrating":4}(1 række)demo=# forklar vælg * fra bøger, hvor data @> '{"tags":{"nk455671":{"ik937456":"iv506075" }}}'::jsonb;FORREGNINGSPLAN---------------------------------------- --------------------------------------------------Bitmap Heap Scan på bøger (pris=12.75..1005.25 rows=1000 width=158) Tjek igen tilstand:(data @> '{"tags":{"nk455671":{"ik937456":"iv506075"}}}':jsonb)-> Bitmap Index Scan på dataginpathops (cost=0.00..12.50 rows=1000 width=0)Index Cond:(data @> '{"tags":{"nk455671":{"ik937456":"iv506075"} }}'::jsonb)(4 rækker)

vælg * fra bøger, hvor data ? 'tags'; => Sekventiel skanning * fra bøger, hvor data @> '{"tags" :{}}'; => Sekventiel skanning * fra bøger, hvor data @> '{"tags" :{"k7888":{}}}' => Sekventiel scanning

demo=# vælg * fra bøger, hvor data->'kritisker'> 4;FEJL:operator findes ikke:jsonb>=heltalLINE 1:vælg * fra bøger, hvor data->'kriterer'>=4;^TIP :Ingen operator matcher det angivne navn og argumenttyper. Du skal muligvis tilføje eksplicitte casts.

demo=# vælg * fra bøger hvor (data->'kritisker')::int4> 4;

demo=# vælg * fra bøger hvor (data->'kritisker')::int4> 4;

demo=# CREATE INDEX criticrating PÅ bøger VED HJÆLP AF BTREE (((data->'criticrating')::int4));CREATE INDEXdemo=# forklar analyser vælg * fra bøger hvor (data->'criticrating')::int4 =3; FORESPØRGSPLAN--------------------------------------------- -------------------------------------------------- ------------------------------------Indeksscanning ved hjælp af kritik på bøger (pris=0.42..4626.93 rækker =5000 bredde=158) (faktisk tid=0,069..70.221 rækker=199883 sløjfer=1)Indeks Cond:(((data -> 'criticrating'::text))::heltal =3)Planlægningstid:0,103 msExecution Time :79.019 ms(4 rows)demo=# forklar analyse vælg * fra bøger hvor (data->'kritiske')::int4 =3;QUERY PLAN----------------- -------------------------------------------------- -------------------------------------------------- -------------Indeksscanning ved hjælp af kritik på bøger (pris=0.42..4626.93 rækker=5000 bredde=158) (faktisk tid=0.069..70.221 rækker=199883 sløjfer=1) Indeks Cond :(((data -> 'kritisk'::tekst))::heltal =3)Planlægningstid:0,103 msE xecution Time:79.019 ms(4 rows)1Fra oven kan vi se, at BTREE-indekset bliver brugt som forventet.

OPRET INDEX publisherhash PÅ bøger VED HJÆLP AF HASH ((data->'publisher'));

demo=# vælg * fra bøger, hvor data->'publisher' ='XlekfkLOtL'demo-#;id | forfatter | isbn | vurdering | data-----+-----------------+------------+--------+--- -------------------------------------------------- ----------------------------------346 | uD3QOvHfJdxq2ez | KiAaIRu8QE | 1 | {"tags":{"nk88":{"ik37":"iv161"}}, "publisher":"XlekfkLOtL", "criticrating":3}(1 række)demo=# forklar analyser vælg * fra bøger, hvor data ->'publisher' ='XlekfkLOtL'; FORESPØRGSPLAN------------------------------------------------ -------------------------------------------------- -------------------------------Indeksscanning ved hjælp af publisherhash på bøger (pris=0,00..2.02 rækker=1 bredde=158 ) (faktisk tid=0.016..0.017 rækker=1 sløjfer=1)Indeks Cond:((data -> 'publisher'::text) ='XlekfkLOtL'::text)Planlægningstid:0,080 msExecution Time:0,035 ms(4) rækker)

CREATE EXTENSION pg_trgm;CREATE INDEX publisher ON books USING GIN ((data->'publisher') gin_trgm_ops);demo=# select * from books where data->'publisher' LIKE '%I0UB%'; id | author | isbn | rating | data----+-----------------+------------+--------+--------------------------------------------------------------------------------- 4 | KiEk3xjqvTpmZeS | EYqXO9Nwmm | 0 | {"tags":{"nk3":{"ik1":"iv1"}}, "publisher":"MI0UBqZJDt", "criticrating":1}(1 row)

demo=# explain analyze select * from books where data->'publisher' LIKE '%I0UB%'; QUERY PLAN-------------------------------------------------------------------------------------------------------------------- Bitmap Heap Scan on books (cost=9.78..111.28 rows=100 width=158) (actual time=0.033..0.033 rows=1 loops=1) Recheck Cond:((data -> 'publisher'::text) ~~ '%I0UB%'::text) Heap Blocks:exact=1 -> Bitmap Index Scan on publisher (cost=0.00..9.75 rows=100 width=0) (actual time=0.025..0.025 rows=1 loops=1) Index Cond:((data -> 'publisher'::text) ~~ '%I0UB%'::text) Planning Time:0.213 ms Execution Time:0.058 ms(7 rows)

{"tags":{"nk780341":{"ik397357":"iv632731"}}, "keywords":["abc", "kef", "keh"], "publisher":"fqaJuAdjP5", "criticrating":2}CREATE INDEX keywords ON books USING GIN ((data->'keywords') jsonb_path_ops);demo=# select * from books where data->'keywords' @> '["abc", "keh"]'::jsonb; id | author | isbn | rating | data---------+-----------------+------------+--------+----------------------------------------------------------------------------------------------------------------------------------- 1000003 | zEG406sLKQ2IU8O | viPdlu3DZm | 4 | {"tags":{"nk263020":{"ik203820":"iv817928"}}, "keywords":["abc", "kef", "keh"], "publisher":"7NClevxuTM", "criticrating":2} 1000004 | GCe9NypHYKDH4rD | so6TQDYzZ3 | 4 | {"tags":{"nk780341":{"ik397357":"iv632731"}}, "keywords":["abc", "kef", "keh"], "publisher":"fqaJuAdjP5", "criticrating":2}(2 rows)demo=# explain analyze select * from books where data->'keywords' @> '["abc", "keh"]'::jsonb; QUERY PLAN--------------------------------------------------------------------------------------------------------------------- Bitmap Heap Scan on books (cost=54.75..1049.75 rows=1000 width=158) (actual time=0.026..0.028 rows=2 loops=1) Recheck Cond:((data -> 'keywords'::text) @> '["abc", "keh"]'::jsonb) Heap Blocks:exact=1 -> Bitmap Index Scan on keywords (cost=0.00..54.50 rows=1000 width=0) (actual time=0.014..0.014 rows=2 loops=1) Index Cond:((data -> 'keywords'::text) @> '["abc", "keh"]'::jsonb) Planning Time:0.131 ms Execution Time:0.063 ms(7 rows)

demo=# explain analyze select * from books where data->'keywords' @> '["keh","abc"]'::jsonb;

demo=# explain analyze select * from books where (data->'keywords' @> '["abc"]'::jsonb OR data->'keywords' @> '["keh"]'::jsonb);

demo=# select * from books where data @@ '$.publisher =="ktjKEZ1tvq"';id | author | isbn | rating | data---------+-----------------+------------+--------+----------------------------------------------------------------------------------------------------------------------------------1000001 | 4RNsovI2haTgU7l | GwSoX67gLS | 2 | {"tags":{"nk542369":{"ik55240":"iv305393"}}, "keywords":["abc", "def", "geh"], "publisher":"ktjKEZ1tvq", "criticrating":0}(1 row)demo=# explain analyze select * from books where data @@ '$.publisher =="ktjKEZ1tvq"';QUERY PLAN--------------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on books (cost=21.75..1014.25 rows=1000 width=158) (actual time=0.123..0.124 rows=1 loops=1)Recheck Cond:(data @@ '($."publisher" =="ktjKEZ1tvq")'::jsonpath)Heap Blocks:exact=1-> Bitmap Index Scan on datagin (cost=0.00..21.50 rows=1000 width=0) (actual time=0.110..0.110 rows=1 loops=1)Index Cond:(data @@ '($."publisher" =="ktjKEZ1tvq")'::jsonpath)Planning Time:0.137 msExecution Time:0.194 ms(7 rows)

demo=# select * from books where jsonb_path_exists(data,'$.publisher ?(@ =="ktjKEZ1tvq")');

select * from books where jsonb_path_exists(data, '$.prints[*] ?(@.style=="hc" && @.price ==100)');

demo=# explain analyze select * from books where jsonb_path_exists(data,'$.publisher ?(@ =="ktjKEZ1tvq")');QUERY PLAN------------------------------------------------------------------------------------------------------------Seq Scan on books (cost=0.00..36307.24 rows=333340 width=158) (actual time=0.019..480.268 rows=1 loops=1)Filter:jsonb_path_exists(data, '$."publisher"?(@ =="ktjKEZ1tvq")'::jsonpath, '{}'::jsonb, false)Rows Removed by Filter:1000028Planning Time:0.095 msExecution Time:480.348 ms(5 rows)

demo=# select jsonb_pretty(data) from books where id =1000029;jsonb_pretty-----------------------------------{ "tags":{ "nk678947":{ "ik159670":"iv32358 } }, "prints":[ { "price":100, "style":"hc" }, { "price":50, "style":"pb" } ], "braille":false, "keywords":[ "abc", "kef", "keh" ], "hardcover":true, "publisher":"ppc3YXL8kK", "criticrating":3}

demo=# select jsonb_path_query(data, '$.publisher') from books where id =1000029;jsonb_path_query------------------"ppc3YXL8kK"(1 row)

demo=# select jsonb_path_query(data, '$.prints') from books where id =1000029;jsonb_path_query---------------------------------------------------------------[{"price":100, "style":"hc"}, {"price":50, "style":"pb"}](1 row)

demo=# select jsonb_path_query(data, '$.prints[0]') from books where id =1000029;jsonb_path_query-------------------------------{"price":100, "style":"hc"}(1 row)

demo=# select jsonb_path_query(data, '$.prints[$.size()]') from books where id =1000029;jsonb_path_query------------------------------{"price":50, "style":"pb"}(1 row)

demo=# select jsonb_path_query(data, '$.prints[*] ?(@.style=="hc")') from books where id =1000029; jsonb_path_query------------------------------- {"price":100, "style":"hc"}(1 row)

demo=# select jsonb_path_query(data, '$.prints[*] ?(@.style=="hc") ?(@.price ==100)') from books where id =1000029;jsonb_path_query-------------------------------{"price":100, "style":"hc"}(1 row)