MarkLogic-改进查询

作为问题的后续：

我的文档结构如下：

<document>
<question_item>
  <question>What is your name?</question>
  <answer>Barney Rubble</answer>
</question_item>
<question_item>
  <question>What is your address?</question>
  <answer>Bedrock</answer>
</question_item>
...
</document>

我希望能够在每个不同的问题中包括前x个最常见的答案及其数量，例如Barney Bruse（100）、Fred Flintstone（59）等

有没有一种方法可以合理有效地做到这一点？我知道另一个选择是更改文档格式，使每个问题项有一个文档，但如果可能的话，我希望暂时避免这样做

---

非常感谢您的帮助。谢谢

关键是为这种刻面类型利用单一范围索引。然而，当前的模型需要过滤，这使得它对您的目标效率低下

下面是一些供您探索的选项。如果我不能改变我的模型，那么我可能会选择1.1

选项1）
为了回答这个问题，我可能会考虑以不同的方式对数据进行建模（每个问题在一个文档中对一个不同问题的所有答案）。然后使用一个范围索引，我可以通过将其视为一个方面来获得结果。（通过内存索引给出您想要的结果）

选项1.1）
您还可以保持数据的原样，并在创建调查后仍然创建这些方面友好的表。当数据用于降低代码复杂性或提高性能时，非规范化数据是不错的

选项2）
保持数据不变，并在问题项元素上添加一个片段根。这样，MarkLogic就可以分别处理这些较小的XML片段。如果您在问题上添加一个范围索引，在答案上添加另一个范围索引，那么您可以快速迭代所有问题，并获得您想要的分面答案。这将导致系统中的小碎片数量爆炸（每个答案一个）。这是一个可行的解决方案，但如果我可以对数据重新建模，我将避免这种解决方案

选项3）
如果你的问题数量有限，那么你也可以： 添加标识符以标识唯一的问题：

   <question_item question-key="q1">
     <question>What is your address?</question>
     <answer>Bedrock</answer>
   </question_item>

---

然后，您可以对每个答案应用刻面方法。但正如你所看到的，如果问题的数量超过了一把，这将变得很麻烦，近乎愚蠢。

关键是利用单一范围索引进行这类刻面。然而，当前的模型需要过滤，这使得它对您的目标效率低下

下面是一些供您探索的选项。如果我不能改变我的模型，那么我可能会选择1.1

选项1）
为了回答这个问题，我可能会考虑以不同的方式对数据进行建模（每个问题在一个文档中对一个不同问题的所有答案）。然后使用一个范围索引，我可以通过将其视为一个方面来获得结果。（通过内存索引给出您想要的结果）

选项1.1）
您还可以保持数据的原样，并在创建调查后仍然创建这些方面友好的表。当数据用于降低代码复杂性或提高性能时，非规范化数据是不错的

选项2）
保持数据不变，并在问题项元素上添加一个片段根。这样，MarkLogic就可以分别处理这些较小的XML片段。如果您在问题上添加一个范围索引，在答案上添加另一个范围索引，那么您可以快速迭代所有问题，并获得您想要的分面答案。这将导致系统中的小碎片数量爆炸（每个答案一个）。这是一个可行的解决方案，但如果我可以对数据重新建模，我将避免这种解决方案

选项3）
如果你的问题数量有限，那么你也可以： 添加标识符以标识唯一的问题：

   <question_item question-key="q1">
     <question>What is your address?</question>
     <answer>Bedrock</answer>
   </question_item>

---

然后，您可以对每个答案应用刻面方法。但是正如你所看到的，如果问题的数量超过了一把，这将变得很麻烦，近乎愚蠢。

仅就David Ennis的答案进行详细说明，最终，如果你想能够在索引“连接”中进行操作，在索引“连接”中，你可以根据另一个查询的结果查询答案，每个文档/片段只有一个问题+答案会更简单

使用当前模式并给定一组问题值，如果对答案进行索引，则从索引中获得的过滤级别将停止在文档/片段的粒度上。因此，您只能列出“任何文档中包含与所提供值相等的问题的每个答案”。然后，由于您的下一个筛选步骤基于答案所属的问题，您将陷入困境，因为您只有答案字符串，没有上下文

---

如果没有片段根或重构XML，解决方案将涉及1）获取与问题列表匹配的每个文档，2）从文档中过滤出假阳性问题，以及3）计算答案。如果您希望步骤1只返回少量文档，那么性能可能会很好。否则，您可能会看到IO抖动，即数据没有缓存，必须从磁盘检索

请详细说明David Ennis的答案，最终，如果您希望能够在索引“连接”中根据另一个查询的结果查询答案，那么每个文档/片段只有一个问题+答案会更简单

使用当前模式并给定一组问题值，如果对答案进行索引，则从索引中获得的过滤级别将停止在文档/片段的粒度上。因此，您只能列出“任何文档中包含与所提供值相等的问题的每个答案”。然后，由于您的下一个筛选步骤基于答案所属的问题，您将陷入困境，因为您只有答案字符串，没有上下文

如果没有片段根或重构XML，解决方案将涉及1）获取与问题列表匹配的每个文档，2）从文档中过滤出假阳性问题，以及3）计算答案。如果您希望步骤1只返回一个小的

//question-item[@question-key="q1"]/answer
//question-item[@question-key="q2"]/answer
...
//question-item[@question-key="qn"]/answer