Bonnes pratiques relatives au langage de manipulation de données

Cette page décrit les bonnes pratiques d'utilisation du langage de manipulation de données (LMD) et du LMD partitionné.

Utiliser une clause WHERE pour réduire le nombre de lignes verrouillées

Les instructions LMD sont exécutées dans les transactions de lecture-écriture. Lorsque Spanner lit des données, il acquiert des verrous de lecture partagés sur des parties limitées des plages de lignes que vous lisez. Plus précisément, il n'acquiert ces verrous que sur les colonnes auxquelles vous accédez. Les verrous peuvent inclure des données qui ne répondent pas à la condition de filtre de la clause WHERE.

Lorsque Spanner modifie des données à l'aide d'instructions LMD, il acquiert des verrous exclusifs sur les données spécifiques que vous modifiez. De plus, il acquiert des verrous partagés de la même manière que lorsque vous consultez des données. Si votre requête comprend de grandes plages de lignes ou une table entière, les verrous partagés peuvent empêcher d'autres transactions de progresser en parallèle.

Pour modifier les données le plus efficacement possible, utilisez une clause WHERE qui permet à Spanner de ne lire que les lignes nécessaires. Pour ce faire, appliquez un filtre sur la clé primaire ou sur la clé d'un index secondaire. La clause WHERE limite le champ d'application des verrous partagés et permet à Spanner de traiter la mise à jour plus efficacement.

Par exemple, imaginons que l'un des musiciens de la table Singers change de prénom et que vous deviez mettre à jour ce prénom dans votre base de données. Vous pouvez exécuter l'instruction LMD suivante, mais elle oblige Spanner à analyser l'intégralité de la table et à acquérir des verrous partagés qui la couvrent dans son intégralité. Par conséquent, Spanner doit lire plus de données que nécessaire, et les transactions simultanées ne peuvent pas modifier les données en parallèle: 

-- ANTI-PATTERN: SENDING AN UPDATE WITHOUT THE PRIMARY KEY COLUMN
-- IN THE WHERE CLAUSE

UPDATE Singers SET FirstName = "Marcel"
WHERE FirstName = "Marc" AND LastName = "Richards";

Pour optimiser l'opération de mise à jour, incluez la colonne SingerId dans la clause WHERE. La colonne SingerId est la seule colonne de clé primaire pour la table Singers : 

-- ANTI-PATTERN: SENDING AN UPDATE THAT MUST SCAN THE ENTIRE TABLE

UPDATE Singers SET FirstName = "Marcel"
WHERE FirstName = "Marc" AND LastName = "Richards"

S'il n'y a pas d'index sur FirstName ou LastName, vous devez analyser l'ensemble de la table pour trouver les chanteurs cibles. Si vous ne souhaitez pas ajouter d'index secondaire pour rendre la mise à jour plus efficace, incluez la colonne SingerId dans la clause WHERE.

La colonne SingerId est la seule colonne de clé primaire pour la table Singers. Pour le trouver, exécutez SELECT dans une transaction distincte en lecture seule avant la mise à jour: 


  SELECT SingerId
  FROM Singers
  WHERE FirstName = "Marc" AND LastName = "Richards"

  -- Recommended: Including a seekable filter in the where clause

  UPDATE Singers SET FirstName = "Marcel"
  WHERE SingerId = 1;

Évitez d'utiliser des instructions LMD et des mutations dans la même transaction

Spanner met en mémoire tampon les insertions, les mises à jour et les suppressions effectuées à l'aide d'instructions LMD côté serveur. Les résultats sont visibles pour les instructions SQL et LMD ultérieures dans la même transaction. Ce comportement est différent de l'API Mutation, dans laquelle Spanner met les mutations en mémoire tampon côté client et envoie les mutations côté serveur dans le cadre de l'opération de commit. En conséquence, les mutations dans la requête de commit ne sont pas visibles pour les instructions SQL ou LMD dans la même transaction.

Évitez d'utiliser à la fois des instructions LMD et des mutations dans la même transaction. Si vous utilisez les deux dans la même transaction, vous devez tenir compte de l'ordre d'exécution dans le code de votre bibliothèque cliente. Si une transaction contient à la fois des instructions LMD et des mutations dans la même requête, Spanner exécute ces instructions avant les mutations.

Pour les opérations qui ne sont compatibles qu'avec des mutations, vous pouvez combiner des instructions LMD et des mutations dans la même transaction (par exemple, insert_or_update).

Si vous utilisez les deux, le tampon n'écrit qu'à la toute fin de la transaction.

Utiliser la fonction PENDING_COMMIT_TIMESTAMP pour écrire des horodatages de commit

GoogleSQL

Pour écrire l'horodatage de commit dans une instruction LMD, utilisez la fonction PENDING_COMMIT_TIMESTAMP. Spanner sélectionne l'horodatage de commit lorsque la transaction est validée.

PostgreSQL

Pour écrire l'horodatage de commit dans une instruction LMD, utilisez la fonction SPANNER.PENDING_COMMIT_TIMESTAMP(). Spanner sélectionne l'horodatage de commit lorsque la transaction est validée.

LMD partitionné, et fonctions de date et d'horodatage

Le LMD partitionné utilise une ou plusieurs transactions pouvant être exécutées et enregistrées à des moments différents. Si vous utilisez les fonctions de date ou d'horodatage, les lignes modifiées peuvent contenir des valeurs différentes.

Améliorer la latence avec Batch LMD

Pour réduire la latence, utilisez le LMD par lots pour envoyer plusieurs instructions LMD à Spanner lors d'un seul aller-retour client-serveur.

Le LMD par lot peut appliquer des optimisations à des groupes d'instructions au sein d'un lot pour permettre des mises à jour de données plus rapides et plus efficaces.

  • Exécuter des écritures avec une seule requête

    Spanner optimise automatiquement les groupes contigus d'instructions par lot INSERT, UPDATE ou DELETE similaires qui ont des valeurs de paramètres différentes, si elles n'enfreignent pas les dépendances de données.

    Par exemple, imaginons que vous souhaitiez insérer un grand nombre de nouvelles lignes dans une table appelée Albums. Pour permettre à Spanner d'optimiser toutes les instructions INSERT requises en une seule action côté serveur efficace, commencez par écrire une instruction LMD appropriée qui utilise des paramètres de requête SQL:

    INSERT INTO Albums (SingerId, AlbumId, AlbumTitle) VALUES (@Singer, @Album, @Title);

    Envoyez ensuite à Spanner un lot LMD qui appelle cette instruction de manière répétée et contiguë, en ne différenciant les répétitions que par les valeurs que vous liez aux trois paramètres de requête de l'instruction. Spanner optimise ces instructions LMD structurellement identiques en une seule opération côté serveur avant de les exécuter.

  • Exécuter des écritures en parallèle

    Spanner optimise automatiquement des groupes contigus d'instructions LMD en s'exécutant en parallèle lorsque cela n'enfreint pas les dépendances de données. Cette optimisation apporte des avantages en termes de performances à un plus grand nombre d'instructions LMD par lot, car elle peut s'appliquer à une combinaison de types d'instructions instruction LMD (INSERT, UPDATE et DELETE) et aux instructions LMD paramétrées ou non.

    Notre exemple de schéma contient les tables Singers, Albums et Accounts. Albums est entrelacé dans Singers et stocke des informations sur les albums pour Singers. Le groupe d'instructions contigu suivant écrit de nouvelles lignes dans plusieurs tables et ne comporte pas de dépendances de données complexes.

    INSERT INTO Singers (SingerId, Name) VALUES(1, "John Doe");
INSERT INTO Singers (SingerId, Name) VALUES(2, "Marcel Richards");
INSERT INTO Albums(SingerId, AlbumId, AlbumTitle) VALUES (1, 10001, "Album 1");
INSERT INTO Albums(SingerId, AlbumId, AlbumTitle) VALUES (1, 10002, "Album 2");
INSERT INTO Albums(SingerId, AlbumId, AlbumTitle) VALUES (2, 10001, "Album 1");
UPDATE Accounts SET Balance = 100 WHERE AccountId = @AccountId;

    Spanner optimise ce groupe d'instructions LMD en exécutant les instructions en parallèle. Les écritures sont appliquées dans l'ordre des instructions du lot et conservent la sémantique LMD par lot si une instruction échoue lors de l'exécution.