mysql資料庫建立表，存儲json欄位用text類型
然後從介面中獲取JSON數據，轉成STRING格式，直接插入到這個欄位就可以了。
『貳』 如何把獲取的json數據插入資料庫
直接varchar或者text之類的類型即可插入。在Mysql5.7或以上可以支持JSON數據類型。其他的資料庫你可以參考他的不同版本，考慮是否支持JSON數據類型，如果不支持就用字元串類型。但是要考慮長度。
PS：如果是用客戶端鏈接，那麼就算資料庫支持，那客戶端也得是最新版支持JSON的，要不然資料庫支持，工具以為不支持！
『叄』 json能代替資料庫嗎
少量的數據可以用json來儲存，但說到代替資料庫，那就有點嚇人了，當個笑話說說可以，千萬別傳出去。
『肆』 sql中對json數據欄位的查詢
先取出string，再在內存里轉換為對象並檢查。
ps：存json是沒問題，但又想存json又想直接查，違反了資料庫的範式。
『伍』 基於json的資料庫有哪些
@echo off
set rar="C:\Program Files\WinRAR\rar.exe"
setlocal enabledelayedexpansion
for /f "delims=" %%a in ('dir /ad/b') do (
set /a n=%%~a%%2
if !n! equ 0 (
%rar% a -hp12345678 test2 "%%~a"
) else (
%rar% a -hp12345678 test1 "%%~a"
)
)
pause
『陸』 在資料庫中讀出數據組成json格式，如何實現用遞歸的方式實現json的拼接
我們通常會在服務端拼接json數據返回給客戶端，有時我們會採用第一種AppendFormat的方式拼接，這種方法是不行的，json外含有符號 「 { 」
，與拼接的佔位符的符號沖突{0}-- 「 { 」 ，故而報輸入的字元串格式不正確。
所以我們正確的拼接方式是Append的方式。
『柒』 有什麼資料庫對集合和JSON類型的數據支持是比較好的呢
特點：
它們可以處理超大量的數據。
它們運行在便宜的PC伺服器集群上。
PC集群擴充起來非常方便並且成本很低，避免了「sharding」操作的復雜性和成本。
它們擊碎了性能瓶頸。
NoSQL的支持者稱，通過NoSQL架構可以省去將Web或Java應用和數據轉換成SQL友好格式的時間，執行速度變得更快。
「SQL並非適用於所有的程序代碼，」 對於那些繁重的重復操作的數據，SQL值得花錢。但是當資料庫結構非常簡單時，SQL可能沒有太大用處。
沒有過多的操作。
雖然NoSQL的支持者也承認關系資料庫提供了無可比擬的功能集合，而且在數據完整性上也發揮絕對穩定，他們同時也表示，企業的具體需求可能沒有那麼多。
Bootstrap支持
因為NoSQL項目都是開源的，因此它們缺乏供應商提供的正式支持。這一點它們與大多數開源項目一樣，不得不從社區中尋求支持。
優點：
易擴展
NoSQL資料庫種類繁多，但是一個共同的特點都是去掉關系資料庫的關系型特性。數據之間無關系，這樣就非常容易擴展。也無形之間，在架構的層面上帶來了可擴展的能力。
大數據量，高性能
NoSQL資料庫都具有非常高的讀寫性能，尤其在大數據量下，同樣表現優秀。這得益於它的無關系性，資料庫的結構簡單。一般MySQL使用 Query Cache，每次表的更新Cache就失效，是一種大粒度的Cache，在針對web2.0的交互頻繁的應用，Cache性能不高。而NoSQL的 Cache是記錄級的，是一種細粒度的Cache，所以NoSQL在這個層面上來說就要性能高很多了。
靈活的數據模型
NoSQL無需事先為要存儲的數據建立欄位，隨時可以存儲自定義的數據格式。而在關系資料庫里，增刪欄位是一件非常麻煩的事情。如果是非常大數據量的表，增加欄位簡直就是一個噩夢。這點在大數據量的web2.0時代尤其明顯。
高可用
NoSQL在不太影響性能的情況，就可以方便的實現高可用的架構。比如Cassandra，HBase模型，通過復制模型也能實現高可用。
主要應用：
Apache HBase
這個大數據管理平台建立在谷歌強大的BigTable管理引擎基礎上。作為具有開源、Java編碼、分布式多個優勢的資料庫，Hbase最初被設計應用於Hadoop平台，而這一強大的數據管理工具，也被Facebook採用，用於管理消息平台的龐大數據。
Apache Storm
用於處理高速、大型數據流的分布式實時計算系統。Storm為Apache Hadoop添加了可靠的實時數據處理功能，同時還增加了低延遲的儀錶板、安全警報，改進了原有的操作方式，幫助企業更有效率地捕獲商業機會、發展新業務。
Apache Spark
該技術採用內存計算，從多迭代批量處理出發，允許將數據載入內存做反復查詢，此外還融合數據倉庫、流處理和圖計算等多種計算範式，Spark用Scala語言實現，構建在HDFS上，能與Hadoop很好的結合，而且運行速度比MapRece快100倍。
Apache Hadoop
該技術迅速成為了大數據管理標准之一。當它被用來管理大型數據集時，對於復雜的分布式應用，Hadoop體現出了非常好的性能，平台的靈活性使它可以運行在商用硬體系統，它還可以輕松地集成結構化、半結構化和甚至非結構化數據集。
Apache Drill
你有多大的數據集？其實無論你有多大的數據集，Drill都能輕松應對。通過支持HBase、Cassandra和MongoDB，Drill建立了互動式分析平台，允許大規模數據吞吐，而且能很快得出結果。
Apache Sqoop
也許你的數據現在還被鎖定於舊系統中，Sqoop可以幫你解決這個問題。這一平台採用並發連接，可以將數據從關系資料庫系統方便地轉移到Hadoop中，可以自定義數據類型以及元數據傳播的映射。事實上，你還可以將數據（如新的數據）導入到HDFS、Hive和Hbase中。
Apache Giraph
這是功能強大的圖形處理平台，具有很好可擴展性和可用性。該技術已經被Facebook採用，Giraph可以運行在Hadoop環境中，可以將它直接部署到現有的Hadoop系統中。通過這種方式，你可以得到強大的分布式作圖能力，同時還能利用上現有的大數據處理引擎。
Cloudera Impala
Impala模型也可以部署在你現有的Hadoop群集上，監視所有的查詢。該技術和MapRece一樣，具有強大的批處理能力，而且Impala對於實時的SQL查詢也有很好的效果，通過高效的SQL查詢，你可以很快的了解到大數據平台上的數據。
Gephi
它可以用來對信息進行關聯和量化處理，通過為數據創建功能強大的可視化效果，你可以從數據中得到不一樣的洞察力。Gephi已經支持多個圖表類型，而且可以在具有上百萬個節點的大型網路上運行。Gephi具有活躍的用戶社區，Gephi還提供了大量的插件，可以和現有系統完美的集成到一起，它還可以對復雜的IT連接、分布式系統中各個節點、數據流等信息進行可視化分析。
『捌』 mysql資料庫中某個欄位存的是json數據,如何對json數據中的數據進行操作
這個可以吧json格式的字元串解析成數組json_decode()函數，變成數組以後就可以方便操作了，可以刪除數組中的任意一項，也可以增加一項比如：array_push($data,['sort'=>3,'catentryId'=>10003]),再變成json格式的存入資料庫。方法有多種，這里簡單的示例下
『玖』 json如何獲取封裝資料庫中的數據
直接輸出就可以了 String jsondata = "{'a':" + a + ",'b':" + b + ",'c':" + c + "}"; 如果abc是字元串就加上單引號，如 String jsondata = "{'a':'" + a + "','b':'" + b + "','c':'" + c + "'}"; 如果abc是數組 String jsondata = "{'a':[" + a[0] + "," + a[1] + "," + a[2] + "],'b':...}"; 如果abc是對象就相對復雜一點 String jsondata = "{'a':{'a_paramStr':'" + a.paramStr + "','a_pramaInt'}:a.pramaInt},'b':...}"; 當然，如果對象的成員變數很多，可以可以通過對象遍歷的方式輸出，還有包含子對象、子子對象的情況 總結如下 格式:{'數據名':數據值} 數據值為數字時，直接輸出 數據值為字元串時，用單引號包含值，'數據值' 數據值為數組時，用中括弧包含，[數據值1,數據值2,...] 數據值為對象時，用大括弧包含，{'成員名1':成員數值1,'成員名2':{'成員2對象的成員1','成員2對象的成員1值'},...} 數據與數據之間用逗號隔開，以上 一句話，如果傳送數據很簡單可以自己輸出;如果很復雜，乖乖用三方json包吧，我真不懂為什麼抗拒別人做的車輪
『拾』 數據存儲到伺服器上用JSON格式比較好還是直接資料庫比較好
將Json格式的數據保存到資料庫本來就是很奇葩的做法。
Json更多的時候用於數據的傳輸，尤其是程序後端與前台界面之間進行交互。