я бы не рисковал

самое страшное что я в исходники посгри залез своими шаловливыми ручонками ))

зачем?

и это патченная мной версия, так что все страшнее в 2 раза )

Ну.... если вкратце - то задача была запихать очень много xml-файлов в бд (база налоговой, единый госреестр юридических лиц). Там капец бардак и разбирать эти xml на 2 форму - это я б месяц трахался. Поэтому я принял решение класть целиком xml в базу и через xpath выковыривать на ssd те данные, по которым до конца не определившийся заказчик захочет вести поиск

пц..

поиск вести по хмл? без нф? а индексировать их как?

так вот, xml в этой базе в жутком состоянии. местами там просто битые данные (например буква "я" в рандомных местах), а где-то такие адовые юр-лица, где xml весит 20 метров

так вот эти 20-метровые файлы отказалась жрать библиотека libxml, которую использует постгря для проверки и поиска. Вначале она ваще на инсерте роняла базу с segmetation fault. Потом я собрал последнюю версию, подсунул посгре, она перестала падать и дала exception - типа слишком дофига нодов в теге. если ты хочешь переварить - дай мне флаг XML_HUGE. Ну, я пошел смотреть сорцы и понял что флаг посунуть так просто не выйдет и надо использовать другую функцию. Пропатчил, но снова не завелось. Оказалось что в одном месте этот флаг не передается. Подсунул его по-новому, но и тут засада - libxml это флаг не читает вообще. Короче кончилось тем, что я пропатчил посгрес, пропатчил libxml и флаг зашел. Ну и база падать перестала...

Ну вот такое и теперь работает....

просто - вот надо например имя юр-лица найти, я пишу запрос create table .. as select ogrn, xpath_query('...', xml)... и накидываю gin(to_tsvector)

3 часа на 1 xpath запрос (это по ssd-таблицам)

и оно фулсканом ищет, да? по терабайту?

это пц

угу ) Ну а че делать, так я собираю таблицу и индекс - потом поиск быстрый, по 40мс

лучше распарсил бы ее в json и построил индексы по тем нодам которые участвуют в поиске

а, так индексы по хпас все таки есть

ну, а есть принципиальная разница между json и xml?

как минимум, жсонб компактнее, а еще быстрее

последний весит больше только, а доступ все равно через функции и там не такая большая производительность