MarkLogic中如何获取集合的总存储大小？

你的现有代码仅返回集合内的文档/片段数量，要获取字节级存储大小，可采用以下几种方法：

快速估算（性能优先，适合大集合） #

利用cts:aggregate做求和聚合，搭配xdmp:estimate实现快速估算，无需遍历全量文档：

xquery version "1.0-ml";
let $collection := "/citation/TRWA"
let $total-size-estimate := xdmp:estimate(
  cts:aggregate("sum", xdmp:document-size(cts:search(collection($collection), cts:true-query())))
)
return $total-size-estimate

• xdmp:document-size：返回单篇文档的原始内容字节数
• cts:aggregate("sum", ...)：对集合内所有文档的大小求和
• xdmp:estimate：基于索引快速计算聚合结果的估算值，速度远快于全量遍历

精确计算（结果优先，适合小集合） #

如果需要完全准确的数值，可遍历集合内每一篇文档并求和，但大集合下性能会明显下降：

xquery version "1.0-ml";
let $collection := "/citation/TRWA"
let $total-size-exact := sum(
  for $doc in cts:search(collection($collection), cts:true-query())
  return xdmp:document-size($doc)
)
return $total-size-exact

补充：估算含索引的实际磁盘存储大小 #

若需要统计包含MarkLogic索引在内的实际磁盘占用，可通过抽样法估算：

1. 随机选取集合内一定数量的文档，计算单篇的实际存储大小
2. 取平均单篇存储值，乘以集合总文档数（即你现有代码返回的数值）
   示例代码（抽样100篇计算平均）：

xquery version "1.0-ml";
let $collection := "/citation/TRWA"
let $sample-size := 100
let $sample-docs := cts:search(collection($collection), cts:true-query())[1 to $sample-size]
let $avg-storage-size := avg(xdmp:node-storage-size($sample-docs))
let $total-doc-count := xdmp:estimate(cts:search(collection($collection), cts:true-query()))
let $total-storage-estimate := $avg-storage-size * $total-doc-count
return $total-storage-estimate

• xdmp:node-storage-size：返回节点（含索引）在磁盘上的实际存储字节数

内容的提问来源于stack exchange，提问作者thichxai