Implementación de subconsultas correlacionadas

  • 7 minutos

Podemos optimizar aún más las expresiones JOIN escribiendo subconsultas para filtrar el número de elementos de matriz que queremos incluir en el conjunto de productos cruzados.

Vamos a examinar de nuevo el objeto JSON de ejemplo:

{
    "id": "80D3630F-B661-4FD6-A296-CD03BB7A4A0C",
    "categoryId": "629A8F3C-CFB0-4347-8DCC-505A4789876B",
    "categoryName": "Clothing, Vests",
    "sku": "VE-C304-L",
    "name": "Classic Vest, L",
    "description": "A worn brown classic vest that was a trade-in apparel item",
    "price": 32.4,
    "tags": [
        {
            "id": "2CE9DADE-DCAC-436C-9D69-B7C886A01B77",
            "name": "apparel",
            "class": "group"
        },
        {
            "id": "CA170AAD-A5F6-42FF-B115-146FADD87298",
            "name": "worn",
            "class": "trade-in"
        },
        {
            "id": "CA170AAD-A5F6-42FF-B115-146FADD87298",
            "name": "no-damaged",
            "class": "trade-in"
        }
    ]
}

En este ejemplo, se incluyen etiquetas que están en las clases trade-in y group. ¿Qué ocurre si queremos filtrar las etiquetas de group?

Podemos reescribir la expresión JOIN escribiendo una subconsulta para filtrar las etiquetas de grupo mediante una subconsulta:

SELECT VALUE t FROM t IN p.tags WHERE t.class = 'trade-in'

Si agregamos esta subconsulta a la consulta completa, se sumará a esto:

SELECT 
    p.id,
    p.name,
    t.name AS tag
FROM 
    products p
JOIN
    (SELECT VALUE t FROM t IN p.tags WHERE t.class = 'trade-in') AS t

Nuestra matriz de resultados JSON final sería esta, con un resultado menos en el conjunto:

[
    {
        "id": "80D3630F-B661-4FD6-A296-CD03BB7A4A0C",
        "name": "Classic Vest, L",
        "tag": "worn"
    },
    {
        "id": "80D3630F-B661-4FD6-A296-CD03BB7A4A0C",
        "name": "Classic Vest, L",
        "tag": "no-damaged"
    }
]