如何在MarkLogic中查找XML文檔的大小

Question

我正在嘗試部分性能來計算MarkLogic中XML的文檔大小。 有人可以通過任何內置函數或任何查詢來幫助我，以計算出我的文檔的准確大小嗎？ 我有一個像這樣的公式：

{string-length(string(data($doc))) idiv 2}

Answer 1

如果用“大小”表示您將XML文檔序列化為文本（“磁盤”） 將有多大，

 string-length(xdmp:quote( doc('file.xml') )) 

將使用默認的編碼和序列化選項為您提供字符數。
如果使用UTF8，則從1：1（字符到字節）到1：3不等，具體取決於Unicode字符的分布以及為xdmp：quote（）指定的序列化選項與提取之前的類似格式之間的區別（或導出后）。 對於拉丁語言和默認設置，通常接近1：1 －為了獲得更高的准確性，您需要指定確切的序列化和編碼選項，然后將文檔保存到文件系統或轉換為二進制並采用二進制長度。 即使這樣，它仍然取決於文件系統和操作系統（塊大小，文本編碼等）。

如果按“大小”來表示，則表示該文件在marklogic中“使用”了多少磁盤/內存，可以通過對所有數據目錄中使用的磁盤空間進行快照，然后插入大量文檔並進行另一快照，然后划分來統計確定按＃個文件。 取決於許多因素，例如索引設置，文檔之間的相似性，合並率和限制等，它的變化可能很大。

文檔以高度壓縮的形式存儲，通常比文本大小小得多，但是索引選項會增加總大小...兩者都很大程度上取決於不同文檔所共享的術語/令牌/子字符串的相似度。

如果按大小表示您要訪問的文檔將占用多少內存 ，那么它的可變性就更大，更不易測量。 對於文本內容很少或沒有文本的高度結構化文檔，其范圍可以從0x（完全由索引解決的查詢）到10x或更大。

Answer 2

我發現計算原始文檔大小的最簡單方法（在考慮索引之前）是將文檔轉換為二進制文件，然后使用xdmp:binary-size() 。

這是您如何做的一個例子

xdmp:binary-size(xdmp:unquote(xdmp:quote($doc),(),"format-binary")/binary())