A arquitetura distribuída do Spanner permite projetar seu esquema para evitar pontos de acesso: situações em que muitas solicitações são enviadas para o mesmo servidor, o que satura os recursos do servidor e pode causar latências altas.
Esta página descreve as práticas recomendadas para projetar seus esquemas e evitar a criação de pontos de acesso. Uma maneira de evitar pontos de acesso é ajustar o design do esquema para permitir que o Spanner divida e distribua os dados em vários servidores. A distribuição de dados entre servidores ajuda o banco de dados do Spanner a operar de maneira eficiente, especialmente ao realizar inserções de dados em massa.
Como escolher uma chave primária para evitar pontos de acesso
Conforme mencionado no Modelo de dados e esquema, tenha cuidado ao escolher uma chave primária no design do esquema para não criar, acidentalmente, pontos de acesso no banco de dados. Uma das causas para a criação acidental de pontos de acesso é o fato de ter uma coluna cujo valor muda monotônicamente como a primeira parte da chave, porque isso resulta em todas as inserções ocorrendo no final do espaço da chave. Isso não é desejável, porque o Spanner usa intervalos de chaves para dividir dados entre servidores. Isso significa que todas as inserções são direcionadas a um único servidor que acaba fazendo todo o trabalho.
Por exemplo, suponha que você queira manter uma última coluna de carimbo de data/hora de acesso nas linhas da tabela UserAccessLog. A definição de tabela a seguir usa uma chave primária baseada em carimbo de data/hora como a primeira parte da chave. Não recomendamos isso se
a tabela tiver uma taxa alta de inserção:
GoogleSQL
CREATE TABLE UserAccessLogs ( LastAccess TIMESTAMP NOT NULL, UserId STRING(1024), ... ) PRIMARY KEY (LastAccess, UserId);
PostgreSQL
CREATE TABLE useraccesslog ( lastaccess timestamptz NOT NULL, userid text, ... PRIMARY KEY (lastaccess, userid) );
O problema aqui é que as linhas são gravadas nesta tabela na ordem do carimbo de data/hora do último acesso e, como esses carimbos estão sempre aumentando, eles são sempre gravados no final da tabela. O ponto de acesso é criado porque um único servidor do Spanner recebe todas as gravações, o que sobrecarrega esse servidor.
O diagrama a seguir ilustra essa armadilha:
A tabela UserAccessLog anterior inclui cinco linhas de dados de exemplo. Elas
representam cinco usuários diferentes que realizam algum tipo de ação do usuário com cerca de um
milésimo de segundo de diferença uma da outra. O diagrama também indica a ordem em que
o Spanner insere as linhas. As setas marcadas indicam a ordem
das gravações de cada linha. Como as inserções são ordenadas pelo carimbo de data/hora e o valor dele está sempre aumentando, o Spanner sempre adiciona as inserções ao final da tabela e as direciona para a mesma divisão. Conforme
discutido em Modelo de dados e
esquema, uma divisão é um conjunto de
linhas de uma ou mais tabelas relacionadas que o Spanner
armazena por ordem da chave de linha.
Isso é problemático, porque o Spanner atribui o trabalho a servidores diferentes em unidades de divisões, de modo que o servidor atribuído a essa divisão específica acaba tratando todas as solicitações de inserção. À medida que a frequência dos eventos de acesso do usuário aumenta, o mesmo ocorre com a frequência das solicitações de inserção para o servidor correspondente. O servidor fica propenso a se tornar um ponto de acesso e tem a aparência da borda vermelha e do segundo plano mostrados na imagem anterior. Nesta ilustração simplificada, cada servidor lida com o máximo de uma divisão, mas o Spanner pode atribuir mais de uma divisão a cada servidor.
Quando o Spanner anexa mais linhas à tabela, a divisão cresce e, quando atinge aproximadamente 8 GB, o Spanner cria outra divisão, conforme descrito em Divisão baseada em carga. A chave de fenda anexa novas linhas subsequentes a essa nova divisão, e o servidor atribuído à divisão se torna o novo ponto de acesso potencial.
Quando ocorrem pontos de acesso, as inserções tornam-se lentas e outros trabalhos no mesmo servidor podem ficar mais lentos. Alterar a ordem da coluna LastAccess para ordem crescente não resolverá esse problema, já que todas as gravações serão inseridas na parte superior da tabela, o que ainda enviará todas as inserções para um único servidor.
Prática recomendada de design de esquema nº 1: não escolha uma coluna cujo valor aumente ou diminua monotonicamente como a primeira parte importante de uma tabela de alta taxa de gravação.
Usar um identificador universal exclusivo (UUID, na sigla em inglês)
É possível usar um identificador universal exclusivo (UUID, na sigla em inglês), conforme definido pela RFC 4122, como chave primária. Recomendamos usar o UUID da versão 4, porque ele usa valores aleatórios na sequência de bits. Não recomendamos UUIDs da versão 1 porque eles armazenam o carimbo de data/hora nos bits de ordem superior.
Existem várias maneiras de armazenar o UUID como chave primária:
- Em uma coluna
STRING(36). - Em um par de colunas
INT64. - Em uma coluna
BYTES(16).
Para uma coluna STRING(36), use a função GENERATE_UUID() do Spanner (GoogleSQL ou PostgreSQL) como o valor padrão da coluna para que o Spanner gere automaticamente valores UUID.
Por exemplo, para a tabela a seguir:
GoogleSQL
CREATE TABLE UserAccessLogs (
LogEntryId STRING(36) NOT NULL,
LastAccess TIMESTAMP NOT NULL,
UserId STRING(1024),
...
) PRIMARY KEY (LogEntryId, LastAccess, UserId);
PostgreSQL
CREATE TABLE useraccesslog (
logentryid VARCHAR(36) NOT NULL,
lastaccess timestamptz NOT NULL,
userid text,
...
PRIMARY KEY (lastaccess, userid)
);
Você pode inserir GENERATE_UUID() para gerar os valores de LogEntryId.
GENERATE_UUID() produz um valor STRING. Portanto, a coluna LogEntryId precisa usar o tipo STRING para o GoogleSQL ou o tipo text para o PostgreSQL.
GoogleSQL
INSERT INTO
UserAccessLog (LogEntryId, LastAccess, UserId)
VALUES
(GENERATE_UUID(), '2016-01-25 10:10:10.555555-05:00', 'TomSmith');
PostgreSQL
INSERT INTO
useraccesslog (logentryid, lastaccess, userid)
VALUES
(spanner.generate_uuid(),'2016-01-25 10:10:10.555555-05:00', 'TomSmith');
Existem algumas desvantagens em usar um UUID:
- Eles são um pouco grandes, usando 16 bytes ou mais. Outras opções para chaves primárias não utilizam tanto armazenamento.
- Elas não carregam informações sobre o registro. Por exemplo, uma chave primária de
SingerIdeAlbumIdtem um significado inerente, enquanto um UUID não tem. - A localidade entre os registros relacionados é perdida, e é por essa razão que o uso de um UUID elimina os pontos de acesso.
Fazer reversão em bits dos valores sequenciais
Verifique se as chaves primárias numéricas (INT64 no GoogleSQL ou
bigint no PostgreSQL) não estão aumentando ou
diminuindo de forma sequencial. As chaves primárias sequenciais podem causar pontos de acesso em grande escala. Uma maneira de
evitar esse problema é reverter os valores sequenciais em bits, distribuindo
os valores da chave primária de maneira uniforme no espaço da chave.
O Spanner oferece suporte à sequência reversa de bits, que gera valores inteiros únicos com reversão de bits. É possível usar uma sequência no primeiro (ou único) componente em uma chave primária para evitar problemas de ponto de acesso. Para mais informações, consulte Sequência invertida de bits.
Trocar a ordem das chaves
Uma maneira de distribuir as gravações no espaço da chave de maneira mais uniforme é trocar a ordem das chaves para que a coluna que contém o valor monotonicamente não seja a primeira parte da chave:
GoogleSQL
CREATE TABLE UserAccessLog ( UserId INT64 NOT NULL, LastAccess TIMESTAMP NOT NULL, ... ) PRIMARY KEY (UserId, LastAccess);
PostgreSQL
CREATE TABLE useraccesslog ( userid bigint NOT NULL, lastaccess TIMESTAMPTZ NOT NULL, ... PRIMARY KEY (UserId, LastAccess) );
Nesse esquema modificado, as inserções agora são ordenadas primeiro por UserId, e não pelo carimbo de data/hora do último acesso cronológico. Esse esquema espalha gravações entre
diferentes divisões porque é improvável que um único usuário produza milhares de
eventos por segundo.
A imagem a seguir mostra as cinco linhas da tabela UserAccessLog que
o Spanner ordena com UserId em vez do carimbo de data/hora de acesso:
Aqui, o Spanner fragmenta os dados de UserAccessLog em três divisões,
cada uma contendo cerca de mil linhas de valores de UserId
ordenados. Essa é uma estimativa razoável de como os dados do usuário podem ser divididos,
supondo que cada linha contenha cerca de 1 MB de dados do usuário e receba um tamanho máximo de divisão de aproximadamente
8 GB. Embora os eventos do usuário tenham ocorrido
a distâncias de milissegundos, cada evento foi feito por um usuário diferente. Portanto, a ordem das inserções tem
menos probabilidade de criar um ponto de acesso em comparação com a ordem por carimbo de data/hora.
Consulte também a prática recomendada relacionada para como ordenar chaves com base em carimbo de data/hora.
Gere o hash da chave única e espalhe as gravações em fragmentos lógicos
Outra técnica comum para espalhar a carga em vários servidores é criar uma coluna que contenha o hash da chave exclusiva real e usar a coluna hash (ou a coluna hash junto com as colunas de chave única) como a chave primária. Esse padrão ajuda a evitar pontos de acesso porque as novas linhas são distribuídas de maneira mais uniforme no espaço da chave.
Você pode usar o valor de hash para criar fragmentos lógicos ou partições em seu banco de dados. Em um banco de dados fisicamente fragmentado, as linhas estão espalhadas em vários servidores de banco de dados. Em um banco de dados logicamente fragmentado, os dados na tabela definem
os fragmentos. Por exemplo, para espalhar gravações na tabela UserAccessLog em N fragmentos lógicos, seria possível preceder uma coluna de chave ShardId à tabela:
GoogleSQL
CREATE TABLE UserAccessLog ( ShardId INT64 NOT NULL, LastAccess TIMESTAMP NOT NULL, UserId INT64 NOT NULL, ... ) PRIMARY KEY (ShardId, LastAccess, UserId);
PostgreSQL
CREATE TABLE useraccesslog ( shardid bigint NOT NULL, lastaccess TIMESTAMPTZ NOT NULL, userid bigint NOT NULL, ... PRIMARY KEY (shardid, lastaccess, userid) );
Para calcular o ShardId, gere o hash de uma combinação das colunas de chave primária e
calcule o módulo N do hash. Exemplo:
GoogleSQL
ShardId = hash(LastAccess and UserId) % N
Sua escolha da função hash e da combinação de colunas determina como as linhas são distribuídas pelo espaço da chave. O Spanner vai criar divisões nas linhas para otimizar o desempenho.
O diagrama a seguir ilustra como o uso de um hash para criar três fragmentos lógicos pode espalhar a taxa de transferência de gravação de maneira mais uniforme entre os servidores:
Aqui, a tabela UserAccessLog é ordenada por ShardId, que é calculada como uma função hash de colunas de chave. As cinco linhas de UserAccessLog são divididas em três fragmentos lógicos, cada um deles, coincidentemente, em uma divisão diferente. As inserções são distribuídas uniformemente entre as divisões, o que equilibra a capacidade de gravação para os três servidores que manipulam as divisões.
O Spanner também permite criar uma função hash em uma coluna gerada.
Para fazer isso no GoogleSQL, use a função FARM_FINGERPRINT durante a gravação, conforme mostrado no exemplo a seguir:
GoogleSQL
CREATE TABLE UserAccessLog (
ShardId INT64 NOT NULL
AS (MOD(FARM_FINGERPRINT(CAST(LastAccess AS STRING)), 2048)) STORED,
LastAccess TIMESTAMP NOT NULL,
UserId INT64 NOT NULL,
) PRIMARY KEY (ShardId, LastAccess, UserId);
Sua escolha da função hash determina o quanto suas inserções serão distribuídas ao longo do intervalo de chaves. Não é preciso um hash criptográfico, embora um hash criptográfico possa ser uma boa escolha. Ao escolher uma função hash, é preciso considerar os seguintes fatores:
- Evitar pontos de acesso. Uma função que resulte em mais valores de hash tende a reduzir os pontos de acesso.
- Eficiência de leitura. As leituras em todos os valores de hash são mais rápidas se houver menos valores de hash para verificar.
- Contagem de nós
Usar a ordem decrescente para as chaves baseadas em carimbo de data/hora
Se você tiver uma tabela para seu histórico que use o carimbo de data/hora como chave, considere usar a ordem decrescente para a coluna de chave se uma das seguintes situações se aplicar:
- Se você quiser ler o histórico mais recente, use uma tabela intercalada
para o histórico e leia a linha-mãe. Nesse caso,
com uma coluna de carimbo de data/hora
DESC, as entradas de histórico mais recentes são armazenadas adjacentes à linha-mãe. Caso contrário, a leitura da linha-mãe e seu histórico recente exigirão uma busca no meio para pular o histórico mais antigo. - Se você está lendo entradas sequenciais em ordem cronológica inversa, e não sabe exatamente a que distância está indo. Por exemplo, é possível usar uma consulta SQL com
LIMITpara ver os N eventos mais recentes ou planejar cancelar a leitura depois de ler um determinado número de linhas. Nesses casos, você quer começar com as entradas mais recentes e ler as entradas mais antigas sequencialmente até que sua condição seja atendida, o que o Spanner faz com mais eficiência para as chaves de carimbo de data/hora que são armazenadas em ordem decrescente.
Adicione a palavra-chave DESC para tornar a chave de carimbo de data/hora decrescente. Exemplo:
GoogleSQL
CREATE TABLE UserAccessLog ( UserId INT64 NOT NULL, LastAccess TIMESTAMP NOT NULL, ... ) PRIMARY KEY (UserId, LastAccess DESC);
Prática recomendada de criação do esquema nº 2: a ordem decrescente ou crescente depende das consultas do usuário. Por exemplo, o topo é o mais recente ou o mais antigo.
Usar um índice intercalado em uma coluna em que o valor aumenta ou diminui monotonicamente
De maneira semelhante ao exemplo anterior de chave primária que você precisa evitar, também não é uma boa ideia criar índices não intercalados em colunas em que os valores estão aumentando ou diminuindo monotonicamente, mesmo que não sejam colunas de chave primária.
Por exemplo, suponha que você defina a seguinte tabela, em que LastAccess é uma coluna de chave não primária:
GoogleSQL
CREATE TABLE Users ( UserId INT64 NOT NULL, LastAccess TIMESTAMP, ... ) PRIMARY KEY (UserId);
PostgreSQL
CREATE TABLE Users ( userid bigint NOT NULL, lastaccess TIMESTAMPTZ, ... PRIMARY KEY (userid) );
Pode parecer conveniente definir um índice na coluna LastAccess para consultar rapidamente o banco de dados em busca dos acessos de usuários "desde a hora X", como este:
GoogleSQL
CREATE NULL_FILTERED INDEX UsersByLastAccess ON Users(LastAccess);
PostgreSQL
CREATE INDEX usersbylastaccess ON users(lastaccess) WHERE lastaccess IS NOT NULL;
No entanto, isso resulta na mesma armadilha descrita na prática recomendada anterior, porque o Spanner implementa índices como tabelas em segundo plano, e a tabela de índice resultante usa uma coluna cujo valor aumenta monotonicamente como a primeira parte da chave.
É bom criar um índice intercalado assim, uma vez que as linhas desses índices são intercaladas em linhas mãe correspondentes, e é improvável que uma única linha mãe produza milhares de eventos por segundo.
Prática recomendada de design de esquema nº 3: não crie um índice não intercalado em uma coluna de alta taxa de gravação cujo valor aumente ou diminua monotonicamente. Em vez de usar índices intercalados, use técnicas como as que você usaria para o design da chave primária da tabela base ao projetar colunas de índice. Por exemplo, adicione "shardId".
A seguir
- Confira exemplos de designs de esquemas.
- Saiba mais sobre carregar dados em massa.