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

Question

對於這樣的輸入數據，我想獲得一個結果，在該結果中我將只有那些對於相同的 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"
    }];

我嘗試使用 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，當輸入數據的項目數超過5000時，執行時間超過2秒。 但是，如果我只對一個屬性（例如 id1）執行連接，結果幾乎會立即出現（對於 5k 個對象 0.3s）。

為什么這么慢，我可以通過某種方式改進它或者使用其他方法來獲得相同的結果嗎？

Answer 1

我希望這會給出相同的結果，而且在我的測試中它似乎要快得多：

'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()

我認為在原始查詢中發生的是existsJoin正在執行primary和reported的交叉產品連接，並使用該結果來過濾primary 。 因為叉積太大，過濾器需要很長時間才能執行。

如果您知道自己沒有任何重復行，則可以省略whereDistinct - 我的數據是隨機生成的用於測試，因此我不得不使用它。