cts.jsonPropertyRangeQuery与cts.jsonPropertyValueQuery性能对比及选型建议

一、cts.jsonPropertyRangeQuery 与 cts.jsonPropertyValueQuery 的性能表现 #

• cts.jsonPropertyValueQuery

  • 针对精确值匹配设计，依赖属性的倒排索引。在10亿级数据规模下，只要目标属性的倒排索引已创建，查询能直接通过索引映射定位匹配文档，速度极快。
  • 但如果用它实现范围判断（如>、<、区间匹配），会触发全索引扫描，性能大幅下降，完全不适用于大规模数据集。

• cts.jsonPropertyRangeQuery

  • 专为范围条件查询优化，依赖范围索引。范围索引会对属性值做结构化排序存储，查询时可通过二分查找快速锁定符合条件的区间，避免全量扫描。
  • 10亿级数据下，只要范围索引配置正确（匹配数据类型、合理设置分片），范围查询性能能保持稳定，远优于用valueQuery实现范围逻辑。
  • 若用它做精确匹配，性能略逊于valueQuery——因为范围索引的结构复杂度更高，精确匹配的路径不如倒排索引直接。

二、10亿级频繁查询的选型建议 #

1. 精确值匹配场景

   • 优先选择cts.jsonPropertyValueQuery，确保目标属性的倒排索引已启用。例如查询status属性等于"active"的文档，该场景下valueQuery性能最优。

2. 范围匹配场景

   • 必须使用cts.jsonPropertyRangeQuery，同时为目标属性创建对应数据类型的范围索引（如整数、日期、字符串范围索引）。例如查询createTime在2023-2024年之间、score大于80的文档，范围查询能高效处理这类条件。

3. 混合条件场景

   • 若查询同时包含精确匹配和范围条件，用cts.andQuery组合两个查询，让各自利用对应索引优势。例如：

     cts.andQuery([
       cts.jsonPropertyValueQuery("category", "tech"),
       cts.jsonPropertyRangeQuery("viewCount", ">", 10000)
     ])
     

     这种组合会分别走倒排索引和范围索引，保证查询性能。

内容的提问来源于stack exchange，提问作者marklogic_coder