Best practice per Data Manipulation Language

In questa pagina vengono descritte le best practice per l'utilizzo del Data Manipulation Language (DML) e DML partizionato.

Usa una clausola WHERE per ridurre l'ambito dei blocchi

Esegui istruzioni DML all'interno delle transazioni di lettura/scrittura. Quando Spanner legge i dati, acquisisce blocchi di lettura condivisi su parti limitate degli intervalli di righe che leggi. In particolare, acquisisce questi blocchi solo nelle colonne a cui accedi. I blocchi possono includere dati che non soddisfano le condizioni di filtro della clausola WHERE.

Quando Spanner modifica i dati utilizzando istruzioni DML, acquisisce blocchi esclusivi sul ai dati specifici che stai modificando. Inoltre, acquisisce i blocchi condivisi allo stesso modo quando leggi i dati. Se la richiesta include ampi intervalli di righe o un'intera tabella, i blocchi potrebbero impedire l'avanzamento in parallelo di altre transazioni.

Per modificare i dati nel modo più efficiente possibile, utilizza una clausola WHERE che consenta Spanner per leggere solo le righe necessarie. Puoi raggiungere questo obiettivo con un filtro sulla chiave primaria o sulla chiave di un indice secondario. La clausola WHERE limita l'ambito i blocchi condivisi e consente a Spanner di elaborare l'aggiornamento in modo più efficiente.

Ad esempio, supponiamo che uno dei musicisti nella tabella Singers modifichi il proprio e devi aggiornare il nome nel database. Potresti eseguire il seguente DML ma obbliga Spanner a scansionare l'intera tabella e ad acquisire i blocchi condivisi per coprire l'intera tabella. Di conseguenza, Spanner deve leggere più dati del necessario e le transazioni simultanee non possono modificare i dati in parallelo: 

-- 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";

Per rendere l'aggiornamento più efficace, includi la colonna SingerId nella Clausola WHERE. La colonna SingerId è l'unica colonna di chiave primaria per la tabella Singers: 

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

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

Se non è presente alcun indice in FirstName o LastName, devi scansionare l'intera tabella per trovare i cantanti target. Se non vuoi aggiungere un dominio secondario indice per rendere l'aggiornamento più efficiente, includi la colonna SingerId nella clausola WHERE.

La colonna SingerId è l'unica colonna di chiave primaria per Tabella Singers. Per trovarlo, esegui SELECT in un percorso separato, transazione di sola lettura precedente alla transazione di aggiornamento: 


  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;

Evita di utilizzare istruzioni e mutazioni DML nella stessa transazione

Inserimenti, aggiornamenti ed eliminazioni del buffer di Spanner eseguiti utilizzando DML sul lato server e i risultati sono visibili alle successive istruzioni SQL Istruzioni DML all'interno della stessa transazione. Questo comportamento è diverso L'API Mutazione, in cui Spanner esegue il buffer le mutazioni sul lato client e le invia sul lato server come parte l'operazione di commit. Di conseguenza, le mutazioni nella richiesta di commit non visibile alle istruzioni SQL o DML all'interno della stessa transazione.

Evita di utilizzare sia istruzioni DML sia mutazioni nella stessa transazione. Se usare entrambi nella stessa transazione, devi tenere conto dell'ordine nel codice della libreria client. Se una transazione contiene sia DML e le mutazioni nella stessa richiesta, Spanner esegue Istruzioni DML prima delle mutazioni.

Per le operazioni supportate solo con le mutazioni, potresti voler combinare istruzioni DML e mutazioni nella stessa transazione, ad esempio insert_or_update.

Se utilizzi entrambi, il buffer scrive solo alla fine della transazione.

Utilizza la funzione PENDING_COMMIT_TIMESTAMP per scrivere timestamp di commit

GoogleSQL

Utilizzerai la funzione PENDING_COMMIT_TIMESTAMP per scrivere il commit in un'istruzione DML. Spanner seleziona il timestamp di commit quando la transazione commit.

PostgreSQL

Utilizzerai la funzione SPANNER.PENDING_COMMIT_TIMESTAMP() per scrivere il commit in un'istruzione DML. Spanner seleziona il timestamp di commit quando la transazione commit.

Funzioni DML partizionate e data e timestamp

Il DML partizionato utilizza una o più transazioni che possono essere eseguite e sottoposte a commit in momenti diversi. Se utilizzi date o timestamp le righe modificate potrebbero contenere valori diversi.

Migliora la latenza con DML batch

Per ridurre la latenza, utilizza un DML batch per inviare più istruzioni DML a Spanner all'interno di un singolo round client-server percorso.

DML batch può applicare ottimizzazioni a gruppi di istruzioni all'interno di un batch per consentire aggiornamenti dei dati più rapidi ed efficienti.

  • Eseguire scritture con una singola richiesta

    Spanner ottimizza automaticamente gruppi contigui di INSERT simili, Istruzioni in batch UPDATE o DELETE con valori parametro diversi, se non violano le dipendenze dei dati.

    Ad esempio, considera uno scenario in cui vuoi inserire un grande insieme di nuovi righe in una tabella denominata Albums. Per consentire a Spanner di ottimizzare tutte le richieste INSERT in un'unica ed efficiente azione lato server, inizia scrivendo un'istruzione DML appropriata che utilizzi una query SQL parametri:

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

    Quindi, invia a Spanner un batch DML che richiami questa istruzione. ripetutamente e contiguamente, con le ripetizioni diverse solo nel associati ai tre parametri di ricerca dell'istruzione. Spanner ottimizza questi DML strutturalmente identici in una singola operazione lato server prima di eseguirla.

  • Eseguire scritture in parallelo

    Spanner ottimizza automaticamente gruppi contigui di istruzioni DML l'esecuzione in parallelo non violerebbe le dipendenze dei dati. Questa ottimizzazione apporta vantaggi in termini di prestazioni a un set più ampio di DML in batch perché può essere applicata a una combinazione di tipi di istruzione DML (INSERT, UPDATE ed DELETE) e su DML sia con parametri che senza parametri istruzioni.

    Ad esempio, il nostro schema di esempio ha le tabelle Singers, Albums e Accounts. Albums è con interleaving all'interno di Singers e memorizza le informazioni sugli album di Singers. Il seguente gruppo contiguo di istruzioni scrive nuove righe in più tabelle e non ha dati complessi delle dipendenze.

    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 ottimizza questo gruppo di istruzioni DML eseguendo il comando in parallelo. Le operazioni di scrittura vengono applicate nell'ordine delle istruzioni contenute in il batch e mantiene la semantica DML batch se un'istruzione ha esito negativo dell'esecuzione.