MarkLogic10.0-5组合字符串与结构化搜索添加结束日期后响应缓慢问题

核心原因 #

该问题本质是MarkLogic 10.0-5版本查询优化器的基数估算偏差导致的执行顺序错误：

• 仅配置起始日期GE条件时，优化器判断该日期过滤条件匹配的文档基数极大，会优先执行31个检索词的OR组合文本查询，拿到匹配的小结果集后再做日期过滤，因此耗时仅20秒。
• 新增结束日期LE条件后，优化器错误估算2000-2010的日期范围匹配的文档基数极小，因此调整了执行顺序：优先走日期范围索引拉取所有符合条件的文档，再逐个匹配31个OR的文本检索条件。如果该日期范围内的实际文档量很大，这种执行顺序会导致海量的文本匹配开销，直接把耗时拉长到数分钟。

次要影响因素 #

你提交的结构化查询存在冗余嵌套：多余的空and-query节点、两个独立的range-query拆分了日期范围，也一定程度干扰了优化器对查询模式的识别，放大了估算偏差的影响。

修复方案 #

• 优化结构化查询结构：删除冗余的空and-query节点，将两个拆分的GE/LE range-query合并为单个BT（between）类型的范围查询，仅需传入上下限两个日期值即可，帮助优化器正确识别范围查询模式。
• 校验执行计划：通过xdmp:plan接口或者查询控制台的查询分析功能，对比两个查询的执行计划，确认执行顺序错误的问题。
• 强制执行顺序：如果确认是优化器估算错误，可添加查询提示强制优先执行文本检索部分，对应结构化查询可配置text-first的执行顺序提示。
• 版本补丁升级：MarkLogic 10.0-5存在多个查询优化器基数估算的已知bug，升级到10.0的最新补丁版本可直接修复该类问题。
• 可选优化：将字符串查询中的31个OR检索条件转换为结构化的word-query组合，和日期范围条件放在同一结构化查询内，可帮助优化器更准确计算各条件的基数，选择最优执行顺序。

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