Diese Seite wurde von der Cloud Translation API übersetzt.

Lesevorgänge

Auf dieser Seite werden die Arten von Leseanfragen beschrieben, die Sie an Bigtable senden können, sowie Auswirkungen auf die Leistung und einige Empfehlungen für bestimmte Abfragetypen. Bevor Sie diese Seite lesen, sollten Sie sich mit den Informationen unter Übersicht über Bigtable vertraut machen.

Überblick

Leseanfragen an Bigtable geben den Inhalt der angeforderten Zeilen in Schlüsselreihenfolge zurück, also in der Reihenfolge, in der sie gespeichert sind. Alle Schreibvorgänge, die eine Antwort zurückgegeben haben, können gelesen werden.

Die von der Tabelle unterstützten Abfragen sollten dabei helfen, den für Ihren Anwendungsfall am besten geeigneten Lesetyp zu bestimmen. Bigtable-Leseanfragen fallen in zwei allgemeine Kategorien:

Einzelne Zeile lesen
Scans oder Lesen mehrerer Zeilen

Lesevorgänge sind auf Zeilenebene atomar. Wenn Sie also eine Leseanfrage für eine Zeile senden, gibt Bigtable entweder die gesamte Zeile zurück oder im Falle einer fehlgeschlagenen Anfrage nichts aus der Zeile. Eine Teilzeile wird nie zurückgegeben, es sei denn, Sie fordern eine solche an.

Wir empfehlen Ihnen dringend, unsere Cloud Bigtable-Clientbibliotheken zum Lesen von Daten aus einer Tabelle zu verwenden und nicht die API direkt aufzurufen. Codebeispiele, die das Senden von Leseanfragen zeigen, sind in mehreren Sprachen verfügbar. Alle Leseanfragen führen den API-Aufruf ReadRows aus.

Daten mit serverlosem Data Boost-Computing lesen

Mit Bigtable Data Boost können Sie Batch-Lesejobs und -abfragen ausführen, ohne den täglichen Anwendungstraffic zu beeinträchtigen. Data Boost ist ein serverloser Computing-Dienst, mit dem Sie Bigtable-Daten lesen können, während die Kernanwendung die Knoten Ihres Clusters für die Rechenleistung verwendet.

Data Boost ist ideal für Scans und wird nicht für Lesevorgänge mit einer Zeile empfohlen. Sie können Data Boost nicht für umgekehrte Scans verwenden. Weitere Informationen und Eignungskriterien finden Sie in der Übersicht zu Data Boost.

Einzeilige Lesevorgänge

Sie können eine einzelne Zeile anhand des Zeilenschlüssels anfordern. Lesevorgänge für einzelne Zeilen, auch als Punktlesevorgänge bezeichnet, sind nicht mit Data Boost kompatibel. Codebeispiele sind für die folgenden Varianten verfügbar:

Scans

Scans sind die gängigste Methode, um Daten aus Bigtable zu lesen. Wenn Sie einen Bereich von zusammenhängenden Zeilen oder mehrere Bereiche von Zeilen aus Bigtable lesen möchten, können Sie ein Zeilenschlüsselpräfix oder Start- und Endzeilenschlüssel angeben. Codebeispiele sind für die folgenden Varianten verfügbar:

Umgekehrte Scans

Mit umgekehrten Scans können Sie einen Zeilenbereich rückwärts lesen, indem Sie entweder ein Zeilenschlüsselpräfix oder einen Zeilenbereich angeben. Das Zeilenschlüsselpräfix wird als Initiierungspunkt des Scans für das Rückwärtslesen verwendet. Wenn Sie einen Zeilenbereich angeben, wird der Endzeilenschlüssel als Initiierungspunkt des Scans verwendet.

Das Scannen in umgekehrter Reihenfolge kann für die folgenden Szenarien nützlich sein:

Sie möchten ein Ereignis (Zeile) finden und dann die vorherige Anzahl n von Ereignissen lesen.
Sie möchten den höchsten Wert vor einem bestimmten Wert finden. Dies kann hilfreich sein, wenn Sie Zeitachsendaten mit einem Zeitstempel als Zeilenschlüsselsuffix speichern.

Rückwärtsscans sind weniger effizient als vorwärts gerichtete Scans. Im Allgemeinen sollten Sie Ihre Zeilenschlüssel so gestalten, dass die meisten Scans vorwärts ausgeführt werden. Verwenden Sie umgekehrte Scans für kurze Scans, z. B. 50 Zeilen oder weniger, um eine geringe Latenzantwortzeit aufrechtzuerhalten.

Wenn Sie das Feld rückwärts scannen möchten, setzen Sie den Wert für das ReadRowsRequest-Feld reversed auf „true“. Der Standardwert lautet „falsch“.

Umgekehrte Scans sind verfügbar, wenn Sie die folgenden Clientbibliotheken verwenden:

Bigtable-Clientbibliothek für C++ Version 2.18.0 oder höher
Bigtable-Clientbibliothek für Go Version 1.21.0 oder höher
Bigtable-Clientbibliothek für Java ab Version 2.24.1
Bigtable HBase-Client für Java Version 2.10.0 oder höher

Codebeispiele zum Verwenden von umgekehrten Scans finden Sie unter In umgekehrter Scan scannen.

Anwendungsbeispiele

Die folgenden Beispiele veranschaulichen, wie mithilfe von umgekehrten Scans ermittelt werden kann, wann ein Kunde zuletzt sein Passwort und Preisschwankungen für ein Produkt um einen bestimmten Tag herum geändert hat.

Passwortzurücksetzungen

Angenommen, Ihre Zeilenschlüssel enthalten jeweils eine Kundennummer und ein Datum im Format 123ABC#2022-05-02. Eine der Spalten ist password_reset, in der die Stunde gespeichert ist, zu der das Passwort zurückgesetzt wurde. Bigtable speichert die Daten automatisch lexikografisch, wie im Folgenden dargestellt. Für Zeilen (Tage), an denen das Passwort nicht zurückgesetzt wurde, ist diese Spalte nicht vorhanden.

`123ABC#2022-02-12,password_reset:03`
`123ABC#2022-04-02,password_reset:11`
`123ABC#2022-04-14`
`123ABC#2022-05-02`
`223ABC#2022-05-22`

Wenn Sie herausfinden möchten, wann der Kunde 123ABC sein Passwort zuletzt zurückgesetzt hat, können Sie alle Zeilen, die die Spalte password_reset mit einem Zeilenlimit von 1 enthalten, um einen Bereich von 123ABC# bis 123ABC#<DATE> umkehren und dabei das heutige Datum oder ein zukünftiges Datum verwenden.

Preisänderungen

In diesem Beispiel enthalten Ihre Zeilenschlüssel Werte für das Produkt, das Modell und den Zeitstempel. Eine der Spalten enthält den Preis für das Produkt und das Modell zu einem bestimmten Zeitpunkt.

`productA#model2#1675604471,price:82.63`
`productA#model2#1676219411,price:82.97`
`productA#model2#1677681011,price:83.15`
`productA#model2#1680786011,price:83.99`
`productA#model2#1682452238,price:83.12`

Wenn Sie Preisschwankungen am 14. Februar 2023 ermitteln möchten, können Sie einen Vorwärtsscan beginnend mit dem Zeilenschlüssel productA#model2#1676376000 für n Zeilen und dann einen umgekehrten Scan nach derselben Anzahl von Zeilen in derselben Startzeile durchführen. Die beiden Scans liefern Ihnen die Preise vor und nach der festgelegten Zeit.

Gefilterte Lesevorgänge

Wenn Sie nur Zeilen mit bestimmten Werten oder Teilzeilen benötigen, können Sie einen Filter in der Leseanfrage verwenden. Filter ermöglichen eine äußerst selektive Auswahl von Daten.

Mit Filtern können Sie außerdem gewährleisten, dass Lesevorgänge den von der Tabelle verwendeten Richtlinien für die automatische Speicherbereinigung entsprechen. Dies ist besonders nützlich, wenn Sie häufig neue Zellen mit Zeitstempeln in vorhandene Spalten schreiben. Da es bei der automatischen Speicherbereinigung bis zu einer Woche dauern kann, bis abgelaufene Daten entfernt sind, können Sie durch Verwenden eines Zeitstempelbereichs-Filters beim Lesen von Daten dafür sorgen, dass nicht mehr Daten als benötigt gelesen lesen.

In der Filterübersicht finden Sie ausführliche Erläuterungen der Filtertypen, die Sie verwenden können. Unter Filter verwenden werden Beispiele in mehreren Sprachen gezeigt.

Daten aus einer autorisierten Ansicht lesen

Um Daten aus einer autorisierten Ansicht zu lesen, müssen Sie eine der folgenden Methoden verwenden:

gcloud-CLI
Bigtable-Client für Java

Die anderen Bigtable-Clientbibliotheken unterstützen noch keinen Lesezugriff.

Es wird jede Methode unterstützt, die die Methode ReadRows oder SampleRowKeys der Bigtable Data API aufruft. Sie geben beim Erstellen Ihres Clients zusätzlich zur Tabellen-ID die ID der autorisierten Ansicht an.

Lesevorgänge und Leistung

Lesevorgänge mit Filtern sind langsamer als Lesevorgänge ohne Filter und erhöhen außerdem die CPU-Auslastung. Allerdings können Sie damit die beanspruchte Netzwerkbandbreite erheblich reduzieren, da die zurückgegebene Datenmenge begrenzt wird. Im Allgemeinen sollten Filter verwendet werden, um die Durchsatzeffizienz und nicht die Latenz zu steuern.

Wenn Sie die Leseleistung optimieren möchten, sollten Sie die folgenden Strategien in Betracht ziehen:

Schränken Sie das Rowset so weit wie möglich ein. Die Begrenzung der Anzahl der Zeilen, die Ihre Knoten scannen müssen, ist der erste Schritt zur Verbesserung der Zeit bis zum ersten Byte und der Gesamtabfragelatenz. Wenn Sie das Rowset nicht beschränken, muss Bigtable höchstwahrscheinlich die gesamte Tabelle scannen. Aus diesem Grund empfehlen wir Ihnen, das Schema so zu entwerfen, dass Ihre häufigsten Abfragen diese Strategie befolgen können.
Nach dem Einschränken des Rowsets können Sie zur weiteren Leistungsoptimierung einen einfachen Filter hinzufügen. Das Einschränken der Gruppe von Spalten oder der Anzahl der zurückgegebenen Versionen erhöht im Allgemeinen nicht die Latenz und kann manchmal dazu beitragen, dass Bigtable irrelevante Daten in jeder Zeile effizienter bei der Suche übergeht.
Wenn Sie die Leseleistung nach den ersten beiden Strategien noch weiter optimieren möchten, sollten Sie einen komplexeren Filter verwenden. Sie könnten dafür verschiedene Gründe haben:
- Sie erhalten immer noch viele Daten, die Sie nicht benötigen.
- Sie möchten den Anwendungscode vereinfachen, indem Sie die Abfrage in Bigtable verschieben.
Beachten Sie jedoch, dass Filter, die Bedingungen, Verschränkung oder den Abgleich regulärer Ausdrücke für große Werte erfordern, eher schaden als nützen, wenn sie den Großteil der gescannten Daten zulassen. Dies führt zu einer erhöhten CPU-Auslastung im Cluster ohne große Einsparungen auf der Clientseite.

Zusätzlich zu diesen Strategien sollten Sie eine große Anzahl nicht zusammenhängender Zeilenschlüssel oder Zeilenbereiche nicht in einer einzelnen Leseanforderung lesen. Wenn Sie in einer einzelnen Anfrage Hunderte von Zeilenschlüsseln oder Zeilenbereichen anfordern, scannt Bigtable die Tabelle und liest die angeforderten Zeilen sequenziell. Diese fehlende Parallelität wirkt sich auf die gesamte Latenz aus und alle Lesevorgänge, die einen Hot-Knoten erreichen, können die tail-Latenz erhöhen. Je mehr Zeilenbereiche angefordert werden, desto länger dauert der Lesevorgang. Wenn diese Latenz nicht akzeptabel ist, sollten Sie stattdessen mehrere gleichzeitige Anfragen senden, die jeweils weniger Zeilenbereiche abrufen.

Im Allgemeinen optimiert das Lesen weiterer Zeilenbereiche in einer einzelnen Anfrage den Durchsatz, jedoch nicht die Latenz. Werden weniger Zeilenbereiche in mehreren gleichzeitigen Anfragen gelesen, wird dadurch die Latenz, nicht der Durchsatz optimiert. Die richtige Balance zwischen Latenz und Durchsatz hängt von den Anforderungen Ihrer Anwendung ab. Dies kann durch eine Anpassung der Anzahl gleichzeitiger Leseanfragen und der Anzahl an Zeilenbereichen in einer Anfrage erreicht werden.

Große Zeilen

Bigtable begrenzt die Größe einer Zeile auf 256 MB. Es ist jedoch möglich, dass dieser Höchstwert versehentlich überschritten wird. Wenn Sie eine Zeile lesen müssen, die größer als das Limit geworden ist, können Sie die Anfrage paginieren und einen cells per row limit-Filter sowie einen cells per row offset-Filter verwenden. Beachten Sie, dass der Lesevorgang unter Umständen nicht atomar ist, wenn ein Schreibvorgang für eine Zeile zwischen den paginierten Leseanfragen eingeht.