jq通过流式传输从巨大的（10 GB）JSON文件中提取一个子树

Question

我有一个由一个巨大的JSON树组成的数据库转储。我想用一个已知的特定密钥提取一个比其余小得多的特定子树。

{ "key1": { subtree1... }, "key2": { subtree2... }, ... }

如何使用流jq提取subtreeN？

Answer 1

在下文中，我们假设$ key保留了感兴趣的关键。

这里效率的关键是在--stream选项生成的流处理完成处理$ key密钥后终止。为此，我们可以按如下方式定义辅助函数。请注意，它使用inputs，因此jq的调用必须使用-n命令行选项。

# break out early
def filter($key):
  label $out
  | foreach inputs as $in ( null;
      if . == null
      then if $in[0][0] == $key then $in
           else empty
           end
      elif $in[0][0] != $key then break $out
      else $in
      end;
      select(length==2) );

现在可以按如下方式完成所需键值对的重建：

reduce filter($key) as $in ({};
  setpath($in[0]; $in[1]) )

示例input.json

{
  "key1": {
    "subtree1": {
    "a": {"aa":[1,2,3]}
    }
  },
  "key2": {
    "subtree2": {
        "b1":  {"bb":[11,12,13]},
        "b2":  {"bb":[11,12,13]}
    }
  },
  "key3": {
    "subtree3": {
      "c":  {"cc":[21,22,23]}
    }
  }
}

插图

jq -n -c --arg key "key2" --stream -f extract.jq input.json

产量

{"key2":{"subtree2":{"b1":{"bb":[11,12,13]},"b2":{"bb":[11,12,13]}}}}