Marklogic中的文件类型方面

背景：我在Marklogic生产数据库中加载了大约500k个文档。我们有一个使用CPF的处理管道，用于文档摄取。我存储文档的MIME类型

我需要有基于文件类型的方面。我不能将MIME类型用于刻面，因为普通用户不理解MIME类型，他们更熟悉扩展（Excel、Word、Jpeg等）。。我的问题是多个MIME类型可以映射到一个文件类型，例如：-Excel有10个或更多MIME类型，我想将它们全部映射到Excel

以下是我提出的关于如何实施的两种可能性。我想知道是否还有其他好的方法来实现这一点

我有一个“transform”方法，它基本上采用基于MIME类型生成的刻面，并将与文件类型对应的所有MIME类型分组。我有一个配置文件（XML），其中包含MIME类型到文件类型的所有映射。这样，当新的MIME类型添加到文件类型时，我所能做的就是编辑此配置文件。
此方法的缺点是，在执行搜索查询时，我需要通过自定义约束扩展搜索字符串，以便将文件类型转换为每个单独的MIME类型

第二个选择是在摄取过程中，我添加文件类型，这将解决我的刻面和搜索问题
此选项的缺点是，我需要将文件类型添加到所有现有的500k文档中，在此之前，我需要禁用CPF或添加某种逻辑，在这些500k文档上触发CPF时，我告诉不要采取任何操作。因为它是生产数据库，所以我无权禁用CPF以接收新文档

我喜欢第二个选项，但有没有比更改CPF代码或禁用触发器数据库一段时间更好的方法呢

---

还有哪一个（1或2）是更好的方法？我想知道是否有比这些更好的选项。

您准确地列出了这两个选项。在查询时执行，或在索引时执行。你准确地列出了优点和缺点。我的建议：如果它足够快，可以在查询时执行，并且可以接受更高级代码的维护，那么就这样做。否则，将知识放入文档。

仅使用500k个文档，我认为查询时间将足够快。为此，您可以利用此分组约束：

您可以使用安装和部署它。之后，您可以在搜索选项中使用以下内容：

<constraint name="Attachment-Type">
  <custom>
    <parse apply="parse-structured" ns="http://marklogic.com/grouping-constraint" at="/ext/mlpm_modules/ml-constraints/grouping-constraint.xqy"/>
    <start-facet apply="start" ns="http://marklogic.com/grouping-constraint" at="/ext/mlpm_modules/ml-constraints/grouping-constraint.xqy"/>
    <finish-facet apply="finish" ns="http://marklogic.com/grouping-constraint" at="/ext/mlpm_modules/ml-constraints/grouping-constraint.xqy"/>
    <facet-option>limit=5</facet-option>
    <facet-option>frequency-order</facet-option>
    <facet-option>descending</facet-option>
    <facet-option>any</facet-option>
  </custom>
  <annotation>
    <range type="xs:string" facet="true" collation="http://marklogic.com/collation//S1">
      <element ns="http://my-namespace.com" name="mime-type"/>
    </range>
    <config>
      <group label="Audio">
        <match pattern="audio/*"/>
      </group>
      <group label="Video">
        <match pattern="video/*"/>
        <match pattern="application/vnd.rn-realmedia"/>
      </group>
      <group label="Documents">
        <match pattern="application/msword"/>
        <match pattern="application/vnd.wordperfect"/>
        <match pattern="application/x-wordstar"/>
        <match pattern="application/pdf"/>
        <match pattern="application/postscript"/>
        <match pattern="application/rtf"/>
        <match pattern="application/x-xywrite"/>
        <match pattern="application/x-mass11"/>
      </group>
      <group label="Spreadsheets">
        <match pattern="application/vnd.ms-excel"/>
      </group>
      <group label="Presentations">
        <match pattern="application/vnd.ms-powerpoint"/>
      </group>
      <show-remainder label="Other"/>
    </config>
  </annotation>
</constraint>

极限=5
频率顺序
下降的
任何

但是，性能会随着您提供的组和模式的数量以及文档总数的增加而降低。一旦文档总数增长超过数百万，这可能需要相对较长的搜索解析时间。在这种情况下，你最好提前计算分组

---

嗯xdmp:document insert（$uri，doc（$uri），xdmp:document get permissions（$uri），…）重新插入文件即可

嗯