在 XQuery 中查找一个文档中存在但另一个文档中不存在的元素的有效方法

Question

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>

并且我希望能够使用 500 和 1000 获取 subject 元素，因为它们没有出现在第二个 XML 文档中。

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）？

Answer 1

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瞄准的目标。假设您已将变量 $subjects 和 $courses 分别绑定到 <Subjects> 和 <Courses> 元素，最简单的查询可能是

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

作为第一步，我会尝试运行看看它是否能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变化。

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

为了手动优化它，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。定义包含出现在 $courses:

中的所有 SubjectId 的映射

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

然后用它来 select:

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

后记

我低估了 Saxon-EE 优化器。它实际上会生成一个索引来支持对该连接的评估。所以创建自己的地图可能是完全没有必要的。但是我没有做过任何测量。

在 XQuery 中查找一个文档中存在但另一个文档中不存在的元素的有效方法

Efficient way of finding elements that exists in one document but not the other in XQuery

xml

xpath

xquery

saxon

xquery-3.0

后记