我想为在 MS Azure Synapse 中存储为 varchar(max) 的匹配标签提取 XML 值

Question

我是新手 Azure 之前使用 SAS，现在我们正在转向 azure synapse 在当前环境中我想提取存储在列 C (varcharmax) 中的 XML 标记值作为变量。 [数据集][1] [1]: https://i.stack.imgur.com/tbSIF.png 下面XML保存在C列（PKDATA）

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<ns2:DataSet xmlns:ns2="http://www.test.com/t/cn/el">
    <EnumObject>
        <name>Inpatient</name>
        <value>262784067</value>
        <radiobutton>false</radiobutton>
    </EnumObject>
    <StringObject>
        <name>xxx</name>
        <prompt></prompt>
        <value>/widget.jsp</value>
        <width>99</width>
    </StringObject>
</ns2:DataSet>

如果姓名为 Inpatient，则 262784067 为 Inpatient 类型

输出

|一个 |乙 |住院类型 | | 11212 | 2587140 | 262784067 |

我用了下面的代码 selecta,b, pkdata.value('/EnumObject/name') 作为住院类型来自 dbo.extdata

我收到以下错误找不到列“pkkddata”或用户定义的函数或聚合“pkdata.value”，或者名称不明确。

我尝试使用以下查询，但出现错误消息 104220，级别 16，状态 1，第 26 行找不到数据类型 'xml'。 SELECT a,b,(pkdata).value('(/EnumObject/name/text())[1]', 'varchar(100)') FROM [dbo].extdata 交叉应用 (SELECT CAST(pkdata AS xml)) AS x(pkdata)

当我使用下面的代码时出现以下错误 XMLDT 方法 'nodes' 只能在 xml 类型的列上调用。我尝试使用以下内容，但从 [dbo].[EXTDATA] rt cross join xmltable( '/EnumObject/name' passing xmltype(rt.pkdata) columns name number path 'name/@value' ) x

不确定如何进行

Answer 1

Azure Synapse Analytics，特别是专用 SQL 池不支持 XML 数据类型或任何伴随它的函数，包括 FOR XML、.nodes、.value、.query、.modify等

如果您需要这种类型的处理，您可以使用传统的 SQL Server，例如 SQL Server 2019 或 Azure SQL DB。一种选择是使用 Synapse Pipelines 将数据移动到那里。作为替代方案，您可以考虑使用 Synapse Notebooks 和一些自定义 Python / Scala / c# 代码，但我只对此做了一个简单的测试。

Scala 中的简单示例：

单元格 1

// Get the table with the XML column from the database and expose as temp view
val df = spark.read.synapsesql("yourPool.dbo.someXMLTable")

df.createOrReplaceTempView("someXMLTable")

单元格 2

%%sql
-- Use SparkSQL to interrogate the XML
-- https://spark.apache.org/docs/2.3.0/api/sql/index.html#xpath
SELECT
    colA,
    colB,
    xpath_string(pkData,'/DataSet/EnumObject[name="Inpatient"]/value') xvalue
FROM someXMLTable

单元格 3

val df2 = spark.sql(""" 
SELECT
    colA,
    colB,
    xpath_string(pkData,'/DataSet/EnumObject[name="Inpatient"]/value') xvalue
FROM someXMLTable
""")

df2.show

单元格 4

// Write that dataframe back to the dedicated SQL pool
df2.write.synapsesql("yourPool.dbo.someXMLTable_processed", Constants.INTERNAL)

示例笔记本的屏幕截图：

XML 现在有点过时了——你有没有想过改用 JSON？此外，如果您的数据量不是那么大，那么只使用 Azure SQL DB 而不是 Synapse 会便宜很多。

我想为在 MS Azure Synapse 中存储为 varchar(max) 的匹配标签提取 XML 值

I want to extract a XML value for a matching tag stored as varchar(max) in MS Azure Synapse

azure

azure-sql-server

azure-sql-data-warehouse

azure-synapse