1

我有以下数据：

<Subjects>
    <Subject>
        <Id>1</Id>
        <Name>Maths</Name>
    </Subject>
    <Subject>
        <Id>2</Id>
        <Name>Science</Name>
    </Subject>
    <Subject>
        <Id>2</Id>
        <Name>Advanced Science</Name>
    </Subject>
    <Subject>
        <Id>500</Id>
        <Name>XYZ</Name>
    </Subject>
    <Subject>
        <Id>1000</Id>
        <Name>ABC</Name>
    </Subject>
</Subjects>

和：

<Courses>
    <Course>
        <SubjectId>1</SubjectId>
        <Name>Algebra I</Name>
    </Course>
    <Course>
        <SubjectId>1</SubjectId>
        <Name>Algebra II</Name>
    </Course>
    <Course>
        <SubjectId>1</SubjectId>
        <Name>Percentages</Name>
    </Course>
    <Course>
        <SubjectId>2</SubjectId>
        <Name>Physics</Name>
    </Course>
    <Course>
        <SubjectId>2</SubjectId>
        <Name>Biology</Name>
    </Course>
</Courses>

我希望能够使用and获取subject元素，因为它们不会出现在第二个 XML 文档中。5001000

我如何以最有效的方式做到这一点（记住我有大约 750 个科目，每个科目有 120 门课程）？

4

1 回答 1

3

效率取决于您的优化器，但由于您在标签中提到了 Saxon，我想这就是我们可以针对的目标。最简单的查询，假设您已分别将变量$subjects和绑定$courses到<Subjects>和<Courses>元素，可能是

$subjects/Subject[not(Id = $courses/Course/SubjectId)]

作为第一步，我会尝试运行它并查看它是否在可接受的时间内产生正确的结果；从那时起，它的性能调整工作。对于性能调整，请确保您拥有不同大小的源文档，以便您可以衡量性能如何随文档大小扩展。

通常对于连接查询，Saxon-EE 在优化方面会比 Saxon-HE 做得更好，但我怀疑它是否会在这方面取得很大成功，因为谓词表示为否定。所以这可能会有二次性能。

为了手动优化这个，我会建立一个索引。在 XSLT 中可以使用 xsl:key 完成，在 XQuery 3.1 中可以使用映射完成。定义一个包含所有出现在 $courses 中的 SubjectId 的映射：

let $courseSubjects := map:merge($courses/Course/SubjectId ! map{.: true()})

然后使用它来选择：

return $subjects/Subject[not(map:contains($courseSubjects, Id))]

后记

我低估了 Saxon-EE 优化器。事实上，它确实生成了一个索引来支持对这个连接的评估。所以创建自己的地图可能是完全没有必要的。但我没有做过任何测量。

于 2015-12-03T08:59:35.903 回答