L'architecture distribuée de Cloud Spanner vous permet de concevoir votre schéma de façon à éviter les hotspots, des situations dans lesquelles un trop grand nombre de requêtes est envoyé au même serveur, ce qui sature les ressources du serveur et peut entraîner des latences élevées.
Cette page décrit les bonnes pratiques à suivre pour concevoir vos schémas afin d'éviter la création de hotspots. Une façon d'éviter la création de hotspots consiste à ajuster la conception du schéma pour permettre à Spanner de répartir et de répartir les données sur plusieurs serveurs. La distribution des données entre les serveurs permet à votre base de données Spanner de fonctionner efficacement, en particulier lors de l'insertion groupée de données.
Choisir une clé primaire en évitant de créer des hotspots
Comme indiqué dans la section Schéma et modèle de données, vous devez faire attention lorsque vous choisissez une clé primaire dans la conception du schéma afin de ne pas créer accidentellement de points d'accès dans votre base de données. L'une des causes de ces problèmes est la présence d'une colonne dont la valeur change de façon monotone en tant que premier élément de clé, car toutes les insertions se produisent à la fin de votre espace clé. Ce modèle n'est pas souhaitable, car Spanner utilise des plages de clés pour répartir les données entre les serveurs, ce qui signifie que toutes vos insertions sont dirigées vers un seul serveur qui effectue l'ensemble du travail.
Par exemple, supposons que vous souhaitiez conserver une colonne d'horodatage du dernier accès sur des lignes de la table UserAccessLog. La définition de table suivante utilise une clé primaire basée sur l'horodatage comme premier élément de clé. Nous déconseillons cette action si le tableau présente un taux d'insertion élevé:
GoogleSQL
CREATE TABLE UserAccessLog ( LastAccess TIMESTAMP NOT NULL, UserId INT64 NOT NULL, ... ) PRIMARY KEY (LastAccess, UserId);
PostgreSQL
CREATE TABLE UserAccessLog ( LastAccess TIMESTAMPTZ NOT NULL, UserId bigint NOT NULL, ... PRIMARY KEY (LastAccess, UserId) );
Le problème est le suivant : les lignes sont écrites dans cette table dans l'ordre de l'horodatage du dernier accès et, comme les horodatages de dernier accès ne cessent d'augmenter, ils sont toujours écrits à la fin de la table. La création du point d'accès est due au fait qu'un seul serveur Spanner reçoit toutes les écritures, ce qui le surcharge.
Le schéma ci-dessous illustre ce problème :
La table UserAccessLog ci-dessus comprend cinq exemples de lignes de données, qui représentent cinq utilisateurs différents effectuant une action d'utilisateur quelconque à environ une milliseconde d'intervalle. Le diagramme annote également l'ordre dans lequel Spanner insère les lignes (les flèches étiquetées indiquent l'ordre des écritures pour chaque ligne). Étant donné que les insertions sont classées par code temporel et que la valeur de l'horodatage augmente constamment, Spanner ajoute toujours les insertions à la fin de la table et les dirige dans la même division. (Comme indiqué dans la section Schéma et modèle de données, une division est un ensemble de lignes provenant d'une ou de plusieurs tables liées que Spanner stocke par ordre de clé de ligne.)
Cela pose problème, car Spanner attribue des tâches à différents serveurs sous forme d'unités de divisions. Le serveur attribué à cette division finit donc par gérer toutes les requêtes d'insertion. À mesure que la fréquence des événements d'accès utilisateur augmente, la fréquence des requêtes d'insertion adressées au serveur correspondant augmente aussi. Le serveur risque alors de devenir un hotspot et ressemble à la bordure et à l'arrière-plan rouges ci-dessus. Notez que dans cette illustration simplifiée, chaque serveur traite au maximum une division, mais en réalité, Spanner peut attribuer à chaque serveur plusieurs divisions.
Lorsque Spanner ajoute des lignes à la table, la division augmente et lorsqu'elle atteint environ 8 Go, il crée une autre division, comme décrit dans la section Répartition basée sur la charge. Spanner ajoute les lignes suivantes à cette nouvelle division, et le serveur attribué à la division devient le nouveau point d'accès potentiel.
En présence de hotspots, vous remarquerez peut-être que les insertions prennent du temps et que d'autres tâches sur le même serveur ralentissent. La modification de l'ordre de la colonne LastAccess par ordre croissant ne résout pas ce problème, car toutes les écritures sont insérées en haut de la table, et toutes les insertions sont donc envoyées à un seul serveur.
Bonne pratique de conception de schéma n° 1 : Ne choisissez pas une colonne dont la valeur augmente ou diminue de façon linéaire en tant que premier élément clé d'une table à taux d'écriture élevé.
Utiliser un identifiant unique universel (UUID)
Vous pouvez utiliser en tant que clé primaire un identifiant unique universel (UUID) défini par la RFC 4122. Nous vous recommandons d'utiliser la version 4 de l'UUID, car elle utilise des valeurs aléatoires dans la séquence de bits. Nous vous déconseillons d'utiliser les UUID de la version 1, car ils stockent l'horodatage dans les bits d'ordre supérieur.
Il existe plusieurs façons de stocker l'UUID en tant que clé primaire :
- Dans une colonne
STRING(36) - Dans une paire de colonnes
INT64 - Dans une colonne
BYTES(16)
Pour une colonne STRING(36), vous pouvez utiliser la fonction Spanner GENERATE_UUID() (GoogleSQL ou PostgreSQL) comme valeur par défaut de la colonne pour que Spanner génère automatiquement des valeurs UUID.
L'utilisation d'UUID présente néanmoins quelques inconvénients :
- Ils sont plutôt volumineux et utilisent 16 octets, voire plus. Les autres options de clés primaires ne consomment pas autant d'espace de stockage.
- Elles ne fournissent aucune information sur l'enregistrement. Par exemple, la clé primaire de
SingerIdetAlbumIda une signification inhérente, contrairement à un UUID. - Vous perdez la localité entre les enregistrements associés, c'est pourquoi l'utilisation d'un UUID élimine les hotspots.
Inverser les bits des valeurs séquentielles
Vous devez vous assurer que les clés primaires numériques (INT64 en GoogleSQL ou bigint en PostgreSQL) n'augmentent ni ne diminuent pas de manière séquentielle. Les clés primaires séquentielles peuvent entraîner un hotspotting à grande échelle. Une façon d'éviter ce problème consiste à inverser les bits des valeurs séquentielles, en veillant à répartir uniformément les valeurs de clé primaire dans l'espace de clés.
Spanner accepte les séquences d'inversion de bits, qui génèrent des valeurs uniques d'inversion des bits. Vous pouvez utiliser une séquence dans le premier composant (ou le seul) d'une clé primaire pour éviter les problèmes de hotspotting. Pour en savoir plus, consultez la section Séquence d'inversion des bits.
Permuter l'ordre des clés
Une façon de répartir les écritures sur l'espace clé de manière plus uniforme consiste à permuter l'ordre des clés afin que la colonne contenant la valeur monotone ne constitue pas la première partie de clé:
GoogleSQL
CREATE TABLE UserAccessLog ( LastAccess TIMESTAMP NOT NULL, UserId INT64 NOT NULL, ... ) PRIMARY KEY (UserId, LastAccess);
PostgreSQL
CREATE TABLE UserAccessLog ( LastAccess TIMESTAMPTZ NOT NULL, UserId bigint NOT NULL, ... PRIMARY KEY (UserId, LastAccess) );
Dans ce schéma modifié, les insertions sont désormais triées en priorité par UserId, plutôt que par horodatage de dernier accès chronologique. Ce schéma répartit les écritures entre différentes divisions, car il est peu probable qu'un seul utilisateur génère des milliers d'événements par seconde.
Le schéma ci-dessous illustre les cinq lignes de la table UserAccessLog que Spanner ordonne avec UserId au lieu de l'horodatage d'accès:
Ici, Spanner divise les données UserAccessLog en trois partitions, chaque division contenant environ un millier de lignes de valeurs UserId ordonnées.
Il s'agit d'une estimation raisonnable de la manière dont les données utilisateur peuvent être réparties, en supposant que chaque ligne contient environ 1 Mo de données utilisateur et que la taille de division maximale soit d'environ 8 Go. Même si les événements utilisateur se sont produits à une milliseconde d'intervalle, chaque événement a été déclenché par un utilisateur différent. L'ordre des insertions est donc beaucoup moins susceptible de créer un point d'accès que l'utilisation de l'horodatage pour l'ordre.
Consultez également la bonne pratique associée pour classer des clés basées sur l'horodatage.
Hacher la clé unique et répartir les écritures sur des segments logiques
Une autre technique courante de répartition de la charge sur plusieurs serveurs consiste à créer une colonne contenant le hachage de la clé unique réelle, puis à utiliser la colonne de hachage (ou la colonne de hachage et les colonnes de clé unique) comme clé primaire. Ce procédé permet d'éviter la création de hotspots, car les nouvelles lignes sont réparties sur l'espace clé de manière plus uniforme.
La valeur de hachage peut vous permettre de créer des segments logiques, ou partitions, dans votre base de données. Dans une base de données physiquement segmentée, les lignes sont réparties sur plusieurs serveurs de base de données. Dans une base de données segmentée de manière logique, les données de la table définissent les segments. Par exemple, pour répartir les écritures dans la table UserAccessLog sur N segments logiques, vous pouvez ajouter une colonne de clé ShardId en début de table :
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) );
Pour calculer la valeur ShardId, hachez une combinaison des colonnes de clé primaire, puis calculez le modulo N du hachage. Exemple :
ShardId = hash(LastAccess and UserId) % N
La fonction de hachage et la combinaison de colonnes que vous choisissez déterminent la répartition de vos insertions dans l'espace de clés. Spanner créera ensuite des divisions sur les lignes pour optimiser les performances.
Le schéma ci-dessous montre comment l'utilisation d'un hachage pour créer trois segments logiques permet de répartir le débit d'écriture de manière plus uniforme sur les serveurs :
Ici, la table UserAccessLog est classée par ShardId, cette valeur étant calculée comme une fonction de hachage des colonnes de clé. Les cinq lignes UserAccessLog sont divisées en trois segments logiques, chacun d'entre eux appartenant à une division différente. Les insertions sont réparties uniformément entre les divisions, ce qui équilibre le débit d'écriture entre les trois serveurs qui gèrent les divisions.
Spanner vous permet également de créer une fonction de hachage dans une colonne générée.
Pour ce faire dans Google SQL, utilisez la fonction FARM_FINGERPrint au moment de l'écriture, comme illustré dans l'exemple suivant:
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);
La fonction de hachage de votre choix détermine la répartition de vos insertions dans la plage de clés. Un hachage cryptographique n'est pas nécessaire, bien qu'un hachage cryptographique puisse être un bon choix. Lorsque vous choisissez une fonction de hachage, vous devez prendre en compte les facteurs suivants:
- Évitement des points d'accès. Une fonction qui génère davantage de valeurs de hachage a tendance à réduire les hotspots.
- Efficacité de la lecture. Moins il y a de valeurs de hachage à analyser, plus les lectures de l'ensemble des valeurs de hachage sont rapides.
- Nombre de nœuds.
Utiliser l'ordre décroissant pour les clés basées sur l'horodatage
Si une table de votre historique utilise l'horodatage comme clé, envisagez d'utiliser l'ordre décroissant pour la colonne de clé si l'une des situations suivantes s'applique:
- Si vous souhaitez lire l'historique le plus récent, vous utilisez une table entrelacée pour l'historique et vous lisez la ligne parente. dans ce cas, une colonne d'horodatage
DESCpermet de stocker les dernières entrées d'historique à côté de la ligne parente. Sinon, la lecture de la ligne parente et de son historique récent nécessitera une recherche intermédiaire afin d'ignorer l'historique plus ancien. - Vous lisez des entrées séquentielles dans l'ordre chronologique inverse et ne savez pas exactement combien d'entrées vous devez parcourir : vous pouvez par exemple exécuter une requête SQL avec une valeur
LIMITpour obtenir les N événements les plus récents, ou planifier l'annulation de la lecture une fois que vous avez lu un certain nombre de lignes. Dans ce cas, vous devez commencer par les entrées les plus récentes et lire successivement les entrées les plus anciennes jusqu'à ce que votre condition soit remplie. Spanner le fait plus efficacement pour les clés d'horodatage qu'il stocke par ordre décroissant.
Ajoutez le mot clé DESC pour classer les clés d'horodatage dans l'ordre décroissant. Exemple :
GoogleSQL
CREATE TABLE UserAccessLog ( UserId INT64 NOT NULL, LastAccess TIMESTAMP NOT NULL, ... ) PRIMARY KEY (UserId, LastAccess DESC);
Bonne pratique de conception de schéma n° 2: L'ordre décroissant ou croissant dépend des requêtes des utilisateurs. Par exemple, "top" correspond à la plus récente ou supérieure à la plus ancienne.
Utiliser un index entrelacé sur une colonne dont la valeur augmente ou diminue de façon linéaire
Comme pour l'exemple de clé primaire précédent, à éviter, il n'est pas non plus recommandé de créer des index non entrelacés sur des colonnes dont les valeurs augmentent ou diminuent de manière monotone, même s'il ne s'agit pas de colonnes de clé primaire.
Par exemple, imaginons que vous définissiez la table suivante, dans laquelle LastAccess correspond à une colonne de clé non primaire :
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) );
Cela peut paraître utile de définir un index sur la colonne LastAccess pour interroger rapidement la base de données sur les accès d'utilisateur "depuis la période X", comme ceci :
GoogleSQL
CREATE NULL_FILTERED INDEX UsersByLastAccess ON Users(LastAccess);
PostgreSQL
CREATE INDEX UsersByLastAccess ON Users(LastAccess) WHERE LastAccess IS NOT NULL;
Toutefois, cela entraîne le même problème que celui décrit dans la bonne pratique précédente, car Spanner implémente les index sous forme de tables en arrière-plan, et la table d'index résultante utilise une colonne dont la valeur augmente de façon linéaire en tant que premier élément de clé.
Toutefois, vous pouvez créer un index entrelacé de ce type, car les lignes d'index entrelacés sont entrelacées dans les lignes parentes correspondantes. Il est donc peu probable qu'une seule ligne parent produise des milliers d'événements par seconde.
Bonne pratique de conception de schéma n° 3: Ne créez pas d'index non entrelacé sur une colonne à taux d'écriture élevé dont la valeur augmente ou diminue de façon linéaire. Au lieu d'utiliser des index entrelacés, utilisez des techniques telles que celles que vous utiliseriez pour concevoir la clé primaire de la table de base lors de la conception de colonnes d'index (par exemple, ajoutez "shardId").
Étapes suivantes
- Consultez des exemples de conception de schémas.
- Découvrez le chargement groupé de données.