Optic api, existsJoin by two or more columns 导致性能下降

Question

对于这样的输入数据，我想获得一个结果，在该结果中我将只有那些对于相同的 id1 和 id2 具有 Reported 和 Primary 值的值。

var items = [
    {
      "id1": 241,
      "id2": 716,
      "type": "Primary"
    },
    {
      "id1": 241,
      "id2": 716,
      "type": "Reported"
    },
    {
      "id1": 477,
      "id2": 850,
      "type": "Reported"
    },
    {
      "id1": 563,
      "id2": 340,
      "type": "Primary"
    },
    {
      "id1": 649,
      "id2": 322,
      "type": "Reported"
    }];

我尝试使用 exists join 如下所示：

const op = require('/MarkLogic/optic');

var reportedItems = op.fromLiterals(items)
    .where(op.in(op.col('type'), 'Reported'))
    .select(['id1', 'id2'], 'reported');

var primaryItems = op.fromLiterals(items)
    .where(op.in(op.col('type'), 'Primary'))
    .select(['id1', 'id2'], 'primary')

primaryItems
    .existsJoin(reportedItems, [
        op.on(op.viewCol('primary', 'id1'),
            op.viewCol('reported', 'id1')),
        op.on(op.viewCol('primary', 'id2'),
            op.viewCol('reported', 'id2'))
    ])
    .select("id1")
    .result()
    .toArray()

但是，当输入数据的项目数超过5000时，执行时间超过2秒。 但是，如果我只对一个属性（例如 id1）执行连接，结果几乎会立即出现（对于 5k 个对象 0.3s）。

为什么这么慢，我可以通过某种方式改进它或者使用其他方法来获得相同的结果吗？

Answer 1

我希望这会给出相同的结果，而且在我的测试中它似乎要快得多：

'use strict';

const op = require('/MarkLogic/optic');

var reportedItems = op.fromView('test', 'exists')
    .where(op.in(op.col('type'), 'Reported'))
    .select(['id1', 'id2'], 'reported')
    .whereDistinct();

var primaryItems = op.fromView('test', 'exists')
    .where(op.in(op.col('type'), 'Primary'))
    .select(['id1', 'id2'], 'primary')
    .whereDistinct()

primaryItems
  .joinInner(reportedItems, [
    op.on(op.viewCol('primary', 'id1'),
      op.viewCol('reported', 'id1'))
  ],
    op.eq(op.viewCol('primary', 'id2'),
      op.viewCol('reported', 'id2'))
  )
  .select(op.viewCol('primary', 'id1'), '')
  .result()

我认为在原始查询中发生的是existsJoin正在执行primary和reported的交叉产品连接，并使用该结果来过滤primary 。 因为叉积太大，过滤器需要很长时间才能执行。

如果您知道自己没有任何重复行，则可以省略whereDistinct - 我的数据是随机生成的用于测试，因此我不得不使用它。