MarkLogic cts：元素查询误报？

Posted 2023-02-16

【中文标题】MarkLogic cts：元素查询误报？

【英文标题】：MarkLogic cts:element-query false positives?

【发布时间】：2016-09-20 18:09:33

【问题描述】：

鉴于这份文件：-

<items>
  <item><type>T1</type><value>V1</value></item>
  <item><type>T2</type><value>V2</value></item>
</items>

不出所料，我发现这会拉回cts:uris() 中的页面：-

cts:and-query((
  cts:element-query(xs:QName('item'),
    cts:element-value-query(xs:QName('type'),'T1')
    ),
  cts:element-query(xs:QName('item'),
    cts:element-value-query(xs:QName('value'),'V2')
    )
  ))

但有点令人惊讶（至少对我来说）我也发现这也会：-

cts:element-query(xs:QName('item'),
  cts:and-query((
    cts:element-value-query(xs:QName('type'),'T1'),
    cts:element-value-query(xs:QName('value'),'V2')
    ))
  )

这似乎不对，因为没有单个项目具有 type=T1 和 value=V2。 对我来说，这似乎是一个误报。

我是否误解了cts:element-query 的工作原理？ （不得不说，这方面的文档不是特别清楚）。

或者这是 MarkLogic 努力为我提供预期结果的地方，如果我有更多或更好的索引，我得到误报匹配的可能性就会降低。

【参考方案1】：

除了@wst 的回答，你只需要开启element value positions 就可以从未过滤的搜索中得到准确的结果。这里有一些代码来展示这一点：

xdmp:document-insert("/items.xml", <items>
  <item><type>T1</type><value>V1</value></item>
  <item><type>T2</type><value>V2</value></item>
</items>);

cts:search(collection(),
  cts:element-query(xs:QName('item'),
    cts:and-query((
      cts:element-value-query(xs:QName('type'),'T1'),
      cts:element-value-query(xs:QName('value'),'V2')
    ))
  ), 'unfiltered'
)

如果不启用element value positions，这将返回测试文档。启用职位后，查询不返回任何内容。

正如@wst 所说，cts:search() 默认运行过滤，而 cts:uris()（例如 xdmp:estimate() 仅运行未过滤。

HTH！

【讨论】：

这更符合我的预期。谢谢。

【参考方案2】：

是的，我认为这是对查询工作原理的轻微误解。在cts:search 中，默认行为是启用filtered 选项。在这种情况下，ML 将仅使用索引来评估查询，然后一旦选择了候选文档，它就会将它们加载到内存中，检查并过滤掉误报。这更耗时，但更准确。

cts:uris 是一个词典函数，因此传递给它的查询只能通过索引解析，并且没有过滤误报的选项。

通过索引处理此查询的简单方法是更改​​架构，使文档基于<item> 而不是<items>。然后每个项目将有一个单独的索引条目，并且在过滤之前不会混合结果。

另一种不涉及更新文档的方法是将您希望在cts:near-query 中的同一元素中出现的查询包装起来。这将阻止一个<item> 中的<type> 与另一个<item> 中的<value> 匹配。我建议阅读文档，因为您可能需要为 cts:near-query 启用一个或多个基于位置的索引才能准确。

【讨论】：

我了解搜索和过滤器之间的区别，并且我确实有时会预料到误报，只是它们很少见。我所期望的是，两个 cts:element-value-query 在同一个 cts:element-query 中的事实意味着它们的匹配项必须在元素的同一个实例（命名项目）内，而不仅仅是在任何名为 item 的旧元素。语法确实表明我给出的两个示例意图不同。我不知道 cts:near-query 是否是一般情况下的答案，实际上事实类型和值可能相距甚远。

@AndyKey 在第一种情况下，这只会在过滤搜索中成立。索引的分辨率仅在文档级别。索引不会“看到”这些值在不同的项目中，只是它们对文档中的某些项目返回 true。通过启用位置索引并使用cts:near-query，您可以解决这个问题。

接受为答案。但是，检查类型和值是否存在于项目之下似乎很奇怪（而不是仅仅返回所有类型和值匹配的文档，而不管它们是否在项目之下），但没有检查匹配发生在 same 项下方。

@AndyKey 这是一种简化，但考虑索引原语的一种方法是作为键/值对，其中键是元素 QName，并且只要它与您的查询相关，则该项目不具有与其名称不同的身份。身份实际上只存在于文档/片段级别，这就是为什么它不区分同名元素的原因，即使对于像这样的嵌套查询也是如此。