我的F＃应用程序具有非常好的F＃模型，充分利用了F＃类型系统（联合，记录，元组和基元类型）。我正在尝试找出将这些数据类型保存到SQL-Server数据库的最佳方法。
让我们做出以下假设：
我想要坚持的中心实体是一个名为Task的歧视联盟，它有大约30个不同的联合案例，每个案例都有完全不同的属性（可能是其他的DU，记录或元组或者原始类型），这使得使用矩形关系表非常繁琐，无法实现
我希望每周多次不断改进这些模型，CI设置为在提交后立即将我的应用部署到生产中。同样，使用常规表会使ALTER TABLE语句减慢我的开发和部署速度，并增加相当多的认知过载，任何新开发人员都会在这个系统上发现具有挑战性的
在进行模型演变后，我应该可以轻松地使用后台进程在线升级我的旧模型，或者从数据库中取出时，使用接近0的停机时间
我应该可以在任意深度查询这些模型，而且我已经有近百万行需要处理，而且这种情况会继续增长。查询应该很快，最多为百毫秒
我需要使用SQL Server，因为此应用程序只是较大系统的一小部分，我希望任何数据库操作都能参与任何正在进行的数据库事务
Task序列化为JSON 这是我的第一次尝试 - 将所有内容存储为JSON，识别可查询值，使用SQL Server 2016的新JSON函数将它们存储在索引表中。 SQL Server中的JSON函数非常快，但索引这些查询需要我使用持久+计算+索引列或索引视图。
烦恼：
非常难以进化模型，特别是如果我想要进化所有类型X的实例，这些实例可能出现在不同联合情况的不同深度。没有标准化的语言可以指出这些演变
JSON不区分十进制/浮点数/数字，这有时很难处理，我需要自定义格式化程序。小问题，没什么大不了的。
查询语言在任意深度都有些原始，并且这些查询没有编入索引，因此新查询几乎总是要求我创建计算列或更改索引视图。
将新索引列添加到索引视图不是ONLINE操作并导致停机，并且很难在CI中自动化
在同一个表中使用PERSISTED COLUMNS有时会导致SQL Server在搜索/选择时没有真正使用它们，而是从头开始重新计算这些值（因为它不能准确地计算出这个操作的成本）以及它的查询计划器）
Task序列化为XML 这是我目前的实施。
我编写了自己的自定义XML序列化程序，这使我很容易使用XQuery和SQL Server的xml数据类型列查询数据库
使用极其强大的XSLT
问题：
我对我的XML解决方案非常满意 - 我只需要一种方法来加快我的XML查询，而且我认为在这一点上，我已经达到了SQL Server可以提供的极限。
我是否还有其他方法可以忽略F＃社区试图保留非常丰富的F＃数据模型？