RegexMatch 在处理大量数据时是否高效？

Question

我正在经历 RegexMatch 并试图了解较大记录上的性能问题或不存在的问题（如果有）。

我的目标是获取 stockNumber 不精确的 10 位数字的记录。

文档示例1：

{
  "id": "abc",
  "stockNumber": "1001234567"
}

{
  "id": "pqr",
  "stockNumber": "200"
}

{
  "id": "xyz",
  "stockNumber": "200111"
}

正则表达式解决方案：

SELECT 
    *
FROM
    c
WHERE
   NOT RegexMatch(c.stockNumber, "^\\d{10}$")

Request Charge = 6.14 RUs

另一种添加新字段的方法：

{
  "id": "abc",
  "stockNumber": "1001234567",
  "someFlag": false
}

{
  "id": "pqr",
  "stockNumber": "200",
  "someFlag": true
}

{
  "id": "xyz",
  "stockNumber": "200111",
  "someFlag": true
}

查询：

SELECT 
    *
FROM
    c
WHERE
  c.someFlag = true

Request Charge = 6.1 RUs

附加信息：

• 现在，我没有大量记录（假设超过 10,000 条）可以看到此差异。所以想了解最好的方法是什么。
• 此有效负载可以有其他字段，我可以在查询中添加

  WHERE

  子句。不确定它会产生多少差异。
• 我们有

  stockNumber

  作为字符串，这一步是过滤掉此类记录。

Answer 1

将固有较慢的正则表达式条件与优化器可能首先使用的更简单、更快的条件相结合，这将廉价地减少搜索空间：

SELECT *
FROM c
WHERE LEN(c.stockNumber) != 10
AND NOT RegexMatch(c.stockNumber, "^\\d{10}$")