mysql数据库建立表，存储json字段用text类型
然后从接口中获取JSON数据，转成STRING格式，直接插入到这个字段就可以了。
‘贰’ 如何把获取的json数据插入数据库
直接varchar或者text之类的类型即可插入。在Mysql5.7或以上可以支持JSON数据类型。其他的数据库你可以参考他的不同版本，考虑是否支持JSON数据类型，如果不支持就用字符串类型。但是要考虑长度。
PS：如果是用客户端链接，那么就算数据库支持，那客户端也得是最新版支持JSON的，要不然数据库支持，工具以为不支持！
‘叁’ json能代替数据库吗
少量的数据可以用json来储存，但说到代替数据库，那就有点吓人了，当个笑话说说可以，千万别传出去。
‘肆’ sql中对json数据字段的查询
先取出string，再在内存里转换为对象并检查。
ps：存json是没问题，但又想存json又想直接查，违反了数据库的范式。
‘伍’ 基于json的数据库有哪些
@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
‘陆’ 在数据库中读出数据组成json格式，如何实现用递归的方式实现json的拼接
我们通常会在服务端拼接json数据返回给客户端，有时我们会采用第一种AppendFormat的方式拼接，这种方法是不行的，json外含有符号 “ { ”
，与拼接的占位符的符号冲突{0}-- “ { ” ，故而报输入的字符串格式不正确。
所以我们正确的拼接方式是Append的方式。
‘柒’ 有什么数据库对集合和JSON类型的数据支持是比较好的呢
特点：
它们可以处理超大量的数据。
它们运行在便宜的PC服务器集群上。
PC集群扩充起来非常方便并且成本很低，避免了“sharding”操作的复杂性和成本。
它们击碎了性能瓶颈。
NoSQL的支持者称，通过NoSQL架构可以省去将Web或Java应用和数据转换成SQL友好格式的时间，执行速度变得更快。
“SQL并非适用于所有的程序代码，” 对于那些繁重的重复操作的数据，SQL值得花钱。但是当数据库结构非常简单时，SQL可能没有太大用处。
没有过多的操作。
虽然NoSQL的支持者也承认关系数据库提供了无可比拟的功能集合，而且在数据完整性上也发挥绝对稳定，他们同时也表示，企业的具体需求可能没有那么多。
Bootstrap支持
因为NoSQL项目都是开源的，因此它们缺乏供应商提供的正式支持。这一点它们与大多数开源项目一样，不得不从社区中寻求支持。
优点：
易扩展
NoSQL数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性。数据之间无关系，这样就非常容易扩展。也无形之间，在架构的层面上带来了可扩展的能力。
大数据量，高性能
NoSQL数据库都具有非常高的读写性能，尤其在大数据量下，同样表现优秀。这得益于它的无关系性，数据库的结构简单。一般MySQL使用 Query Cache，每次表的更新Cache就失效，是一种大粒度的Cache，在针对web2.0的交互频繁的应用，Cache性能不高。而NoSQL的 Cache是记录级的，是一种细粒度的Cache，所以NoSQL在这个层面上来说就要性能高很多了。
灵活的数据模型
NoSQL无需事先为要存储的数据建立字段，随时可以存储自定义的数据格式。而在关系数据库里，增删字段是一件非常麻烦的事情。如果是非常大数据量的表，增加字段简直就是一个噩梦。这点在大数据量的web2.0时代尤其明显。
高可用
NoSQL在不太影响性能的情况，就可以方便的实现高可用的架构。比如Cassandra，HBase模型，通过复制模型也能实现高可用。
主要应用：
Apache HBase
这个大数据管理平台建立在谷歌强大的BigTable管理引擎基础上。作为具有开源、Java编码、分布式多个优势的数据库，Hbase最初被设计应用于Hadoop平台，而这一强大的数据管理工具，也被Facebook采用，用于管理消息平台的庞大数据。
Apache Storm
用于处理高速、大型数据流的分布式实时计算系统。Storm为Apache Hadoop添加了可靠的实时数据处理功能，同时还增加了低延迟的仪表板、安全警报，改进了原有的操作方式，帮助企业更有效率地捕获商业机会、发展新业务。
Apache Spark
该技术采用内存计算，从多迭代批量处理出发，允许将数据载入内存做反复查询，此外还融合数据仓库、流处理和图计算等多种计算范式，Spark用Scala语言实现，构建在HDFS上，能与Hadoop很好的结合，而且运行速度比MapRece快100倍。
Apache Hadoop
该技术迅速成为了大数据管理标准之一。当它被用来管理大型数据集时，对于复杂的分布式应用，Hadoop体现出了非常好的性能，平台的灵活性使它可以运行在商用硬件系统，它还可以轻松地集成结构化、半结构化和甚至非结构化数据集。
Apache Drill
你有多大的数据集？其实无论你有多大的数据集，Drill都能轻松应对。通过支持HBase、Cassandra和MongoDB，Drill建立了交互式分析平台，允许大规模数据吞吐，而且能很快得出结果。
Apache Sqoop
也许你的数据现在还被锁定于旧系统中，Sqoop可以帮你解决这个问题。这一平台采用并发连接，可以将数据从关系数据库系统方便地转移到Hadoop中，可以自定义数据类型以及元数据传播的映射。事实上，你还可以将数据（如新的数据）导入到HDFS、Hive和Hbase中。
Apache Giraph
这是功能强大的图形处理平台，具有很好可扩展性和可用性。该技术已经被Facebook采用，Giraph可以运行在Hadoop环境中，可以将它直接部署到现有的Hadoop系统中。通过这种方式，你可以得到强大的分布式作图能力，同时还能利用上现有的大数据处理引擎。
Cloudera Impala
Impala模型也可以部署在你现有的Hadoop群集上，监视所有的查询。该技术和MapRece一样，具有强大的批处理能力，而且Impala对于实时的SQL查询也有很好的效果，通过高效的SQL查询，你可以很快的了解到大数据平台上的数据。
Gephi
它可以用来对信息进行关联和量化处理，通过为数据创建功能强大的可视化效果，你可以从数据中得到不一样的洞察力。Gephi已经支持多个图表类型，而且可以在具有上百万个节点的大型网络上运行。Gephi具有活跃的用户社区，Gephi还提供了大量的插件，可以和现有系统完美的集成到一起，它还可以对复杂的IT连接、分布式系统中各个节点、数据流等信息进行可视化分析。
‘捌’ mysql数据库中某个字段存的是json数据,如何对json数据中的数据进行操作
这个可以吧json格式的字符串解析成数组json_decode()函数，变成数组以后就可以方便操作了，可以删除数组中的任意一项，也可以增加一项比如：array_push($data,['sort'=>3,'catentryId'=>10003]),再变成json格式的存入数据库。方法有多种，这里简单的示例下
‘玖’ json如何获取封装数据库中的数据
直接输出就可以了 String jsondata = "{'a':" + a + ",'b':" + b + ",'c':" + c + "}"; 如果abc是字符串就加上单引号，如 String jsondata = "{'a':'" + a + "','b':'" + b + "','c':'" + c + "'}"; 如果abc是数组 String jsondata = "{'a':[" + a[0] + "," + a[1] + "," + a[2] + "],'b':...}"; 如果abc是对象就相对复杂一点 String jsondata = "{'a':{'a_paramStr':'" + a.paramStr + "','a_pramaInt'}:a.pramaInt},'b':...}"; 当然，如果对象的成员变量很多，可以可以通过对象遍历的方式输出，还有包含子对象、子子对象的情况 总结如下 格式:{'数据名':数据值} 数据值为数字时，直接输出 数据值为字符串时，用单引号包含值，'数据值' 数据值为数组时，用中括号包含，[数据值1,数据值2,...] 数据值为对象时，用大括号包含，{'成员名1':成员数值1,'成员名2':{'成员2对象的成员1','成员2对象的成员1值'},...} 数据与数据之间用逗号隔开，以上 一句话，如果传送数据很简单可以自己输出;如果很复杂，乖乖用三方json包吧，我真不懂为什么抗拒别人做的车轮
‘拾’ 数据存储到服务器上用JSON格式比较好还是直接数据库比较好
将Json格式的数据保存到数据库本来就是很奇葩的做法。
Json更多的时候用于数据的传输，尤其是程序后端与前台界面之间进行交互。