Question

我有一个大型的eXist-db数据库，正在其中实现一些功能来管理内部数据。

此处的相关信息是：

有2000个客户。
每个客户可以访问400个文档。
现在每个文档有20种语言。

所以我有2000个XML，每个都有这样的东西：

def validate_color(base_colors, color):
    """
    Validate a color.
    """
    return color.split()[-1] in base_colors


if validate_color(base_colors, color):
    ...

现在我正尝试编写xQuery，因为我需要撤消某种语言。这意味着我实际上需要在2000个文件中删除每个定义了名称的文件。

是这样的：

<customer name="foo">
    <document num="A01" subscribed="Y">
      <languages>
        <lang subscribed="N">Arabic</lang>
        <lang subscribed="Y">Polish</lang>
... and so on for 400 documents for 20 languages ...

但是这是永远的，实际上需要大量的内存。当然，在查看时……$ langs将是2000 * 400 = 800,000个项目。

我会注意到存在一个范围索引，其中包含：

 for $langs in $g:collection.customers//lang[text()=$deletelang]
 return update delete $langs

但是，删除查询是否仍然如此低效，以至于本质上它无法执行800,000个项目，还是还有其他写方法？

更新我

所以我做了些改动，只是看一下。

1）根据评论，我更改为“。”来自text（）

2）我在此周围添加了subsequence（）以测试各种尺寸>>

<create qname="lang" type="xs:string" nested="no"/>

1-30000 = 24秒

所以现在运行整个集合= 110s

Answer 1

您需要对查询进行分析以确定确切的时间在哪儿花费最多，但是使用text()可能会缩短引擎使用范围索引的能力，因此会加载所有这些内容文档存入内存。

text()选择文本节点，并且一个元素中可能有多个文本节点。即：element lang { text { 'Pol' }, text { 'ish' } }将产生一个看起来像<lang>Polish</lang>的元素，但具有两个文本节点，并且在假设只有一个的谓词上将失败：[text() = 'Polish']。

尝试在谓词[. = $deletelang]中使用点。

一次提交如此大的更新还可能导致数据库中存在额外的开销。如果不重要的一点是自动删除，则可以通过分批更新来提高性能。

Answer 2

已经有一段时间了，因为我不得不进行批量删除。但是至少在eXist 2.2版中我可以做到：

let $langs := $g:collection.customers//lang[.=$deletelang]
return update delete $langs

没有必要遍历它们。

另外，在发出这种大规模删除操作之前，我将进行完整备份，以确保一切正常。

希望这会有所帮助。

这里有一个更有效的XQuery可以删除吗？

2 个答案: