Bonnes pratiques SQL

Comme décrit dans la section Plans d'exécution de requêtes, le compilateur SQL transforme une instruction SQL en un plan d'exécution de requête, qui permet d'obtenir les résultats d'une requête. Cette page décrit les bonnes pratiques à suivre pour créer des instructions SQL afin d'aider Spanner à trouver des plans d'exécution efficaces.

Les exemples d'instructions SQL présentés sur cette page utilisent l'exemple de schéma suivant:

GoogleSQL

CREATE TABLE Singers (
 SingerId   INT64 NOT NULL,
 FirstName  STRING(1024),
 LastName   STRING(1024),
 SingerInfo BYTES(MAX),
 BirthDate  DATE
) PRIMARY KEY (SingerId);

CREATE TABLE Albums (
 SingerId     INT64 NOT NULL,
 AlbumId      INT64 NOT NULL,
 AlbumTitle   STRING(MAX),
 ReleaseDate  DATE
) PRIMARY KEY (SingerId, AlbumId),
INTERLEAVE IN PARENT Singers ON DELETE CASCADE;

Pour obtenir une documentation de référence complète sur SQL, consultez les pages Syntaxe des requêtes, Fonctions et opérateurs et Structure lexicale et syntaxe.

PostgreSQL

CREATE TABLE Singers (
 SingerId   BIGINT PRIMARY KEY,
 FirstName  VARCHAR(1024),
 LastName   VARCHAR(1024),
 SingerInfo BYTEA,
 BirthDate  TIMESTAMPTZ
);

CREATE TABLE Albums (
 SingerId        BIGINT NOT NULL,
 AlbumId         BIGINT NOT NULL,
 AlbumTitle      VARCHAR(1024),
 ReleaseDate     DATE,
 PRIMARY KEY(SingerId, AlbumId),
 FOREIGN KEY (SingerId) REFERENCES Singers(SingerId)
) INTERLEAVE IN PARENT Singers ON DELETE CASCADE;

Pour en savoir plus, consultez la page Langage PostgreSQL dans Spanner.

Utiliser des paramètres de requête

Spanner accepte les paramètres de requête pour améliorer les performances et éviter l'injection SQL lorsque les requêtes sont créées à l'aide d'entrées utilisateur. Vous pouvez utiliser des paramètres de requête comme substituts d'expressions arbitraires, mais pas pour remplacer des identifiants, des noms de colonne, des noms de tables ou d'autres parties de la requête.

Les paramètres peuvent apparaître partout où une valeur littérale est attendue. Le même nom de paramètre peut être utilisé plusieurs fois dans une même instruction SQL.

En résumé, les paramètres de requête permettent d'exécuter des requêtes de différentes manières:

• Plans préoptimisés: les requêtes qui utilisent des paramètres peuvent être exécutées plus rapidement à chaque appel, car le paramétrage facilite la mise en cache du plan d'exécution par Spanner.
• Composition de requête simplifiée: vous n'avez pas besoin d'échapper les valeurs de chaîne lorsque vous les fournissez dans les paramètres de requête. Les paramètres de requête réduisent également le risque d'erreurs de syntaxe.
• Sécurité: les paramètres de requête renforcent la sécurité de vos requêtes en vous protégeant contre différentes attaques par injection SQL. Cette protection est particulièrement importante pour les requêtes que vous créez à partir d'entrées utilisateur.

Comprendre comment Spanner exécute les requêtes

Remarque :Spanner Studio (anciennement Requête dans la console Google Cloud) accepte les opérations SQL, LMD et LDD dans un seul éditeur. Pour en savoir plus, consultez la page Gérer vos données à l'aide de la console Google Cloud.

Spanner vous permet d'interroger des bases de données à l'aide d'instructions SQL déclaratives spécifiant les données que vous souhaitez récupérer. Si vous souhaitez comprendre comment Spanner obtient les résultats, examinez le plan d'exécution de la requête. Un plan d'exécution de requête affiche le coût de calcul associé à chaque étape de la requête. À l'aide de ces coûts, vous pouvez déboguer les problèmes de performance et optimiser votre requête. Pour en savoir plus, consultez Plans d'exécution de requêtes.

Vous pouvez récupérer les plans d'exécution de requêtes via la console Google Cloud ou les bibliothèques clientes.

Pour obtenir un plan d'exécution pour une requête spécifique à l'aide de la console Google Cloud, procédez comme suit:

1. Ouvrez la page des instances Spanner.

   Accéder à la page Instances Spanner

2. Sélectionnez les noms de l'instance Spanner et de la base de données que vous souhaitez interroger.

3. Cliquez sur Spanner Studio dans le panneau de navigation de gauche.

4. Saisissez la requête dans le champ de texte, puis cliquez sur Exécuter la requête.

5. Cliquez sur Explication
   . La console Google Cloud affiche un plan d'exécution visuel de votre requête.

   

Pour en savoir plus sur la compréhension des plans visuels et leur utilisation pour déboguer vos requêtes, consultez Régler une requête à l'aide du visualiseur du plan de requête.

Vous pouvez également afficher des exemples de plans de requête historiques et comparer les performances d'une requête au fil du temps pour certaines requêtes. Pour en savoir plus, consultez la section Exemples de plans de requête.

Utiliser des index secondaires

Comme d'autres bases de données relationnelles, Spanner propose des index secondaires, que vous pouvez utiliser pour récupérer des données à l'aide d'une instruction SQL ou de l'interface de lecture de Spanner. Le moyen le plus courant d'extraire des données d'un index consiste à utiliser Spanner Studio. L'utilisation d'un index secondaire dans une requête SQL vous permet de spécifier comment vous souhaitez que Spanner obtienne les résultats. La spécification d'un index secondaire peut accélérer l'exécution des requêtes.

Par exemple, supposons que vous souhaitiez récupérer les identifiants de tous les chanteurs portant un nom de famille spécifique. La requête SQL pourrait être écrite de cette façon (par exemple) :

SELECT s.SingerId
FROM Singers AS s
WHERE s.LastName = 'Smith';

Cette requête renverrait les résultats attendus, mais son traitement pourrait prendre du temps. Le délai dépend du nombre de lignes de la table Singers et du nombre de lignes correspondant au prédicat WHERE s.LastName = 'Smith'. S'il n'y a pas d'index secondaire contenant la colonne LastName à lire, le plan de requête lira l'intégralité de la table Singers pour rechercher les lignes correspondant au prédicat. La lecture de l'ensemble de la table s'appelle une analyse complète de la table. Une analyse complète de la table est un moyen coûteux d'obtenir des résultats lorsque la table ne contient qu'un faible pourcentage de Singers portant ce nom de famille.

Pour améliorer les performances de cette requête, définissez un index secondaire sur la colonne du nom de famille, comme suit :

CREATE INDEX SingersByLastName ON Singers (LastName);

Étant donné que l'index secondaire SingersByLastName contient la colonne de table indexée LastName et la colonne de clé primaire SingerId, Spanner peut extraire toutes les données de la table d'index beaucoup plus petite au lieu d'analyser la table Singers complète.

Dans ce scénario, Spanner utilise automatiquement l'index secondaire SingersByLastName lors de l'exécution de la requête (tant que trois jours se sont écoulés depuis la création de la base de données, consultez la section Remarque sur les nouvelles bases de données). Toutefois, il est préférable de demander explicitement à Spanner d'utiliser cet index en spécifiant une directive d'index dans la clause FROM:

GoogleSQL

SELECT s.SingerId
FROM Singers@{FORCE_INDEX=SingersByLastName} AS s
WHERE s.LastName = 'Smith';

PostgreSQL

 SELECT s.SingerId
FROM Singers /*@ FORCE_INDEX=SingersByLastName */ AS s
WHERE s.LastName = 'Smith';

Supposons maintenant que vous souhaitiez également récupérer le prénom du chanteur en plus de son identifiant. Même si la colonne FirstName ne fait pas partie de l'index, vous devez toujours spécifier la directive d'index comme auparavant, de la manière suivante :

GoogleSQL

SELECT s.SingerId, s.FirstName
FROM Singers@{FORCE_INDEX=SingersByLastName} AS s
WHERE s.LastName = 'Smith';

PostgreSQL

SELECT s.SingerId, s.FirstName
FROM Singers /*@ FORCE_INDEX=SingersByLastName */ AS s
WHERE s.LastName = 'Smith';

Vous bénéficiez tout de même d'un avantage en termes de performances grâce à l'utilisation de l'index, car Spanner n'a pas besoin d'effectuer une analyse complète de la table lors de l'exécution du plan de requête. À la place, il sélectionne le sous-ensemble de lignes qui correspondent au prédicat à partir de l'index SingersByLastName, puis effectue une recherche à partir de la table de base Singers pour récupérer le prénom de ce sous-ensemble de lignes uniquement.

Si vous souhaitez que Spanner n'ait pas à extraire de ligne de la table de base, vous pouvez stocker une copie de la colonne FirstName dans l'index lui-même:

GoogleSQL

CREATE INDEX SingersByLastName ON Singers (LastName) STORING (FirstName);

PostgreSQL

CREATE INDEX SingersByLastName ON Singers (LastName) INCLUDE (FirstName);

L'utilisation d'une clause STORING (pour le dialecte GoogleSQL) ou INCLUDE (pour le dialecte PostgreSQL) nécessite un espace de stockage supplémentaire, mais offre les avantages suivants:

• Les requêtes SQL qui utilisent l'index et sélectionnent des colonnes stockées dans la clause STORING ou INCLUDE ne nécessitent pas de jointure supplémentaire à la table de base.
• Les appels de lecture qui utilisent l'index peuvent lire les colonnes stockées dans la clause STORING ou INCLUDE.

Les exemples ci-dessus illustrent comment les index secondaires peuvent accélérer les requêtes, en particulier lorsque ce type d'index permet d'identifier rapidement les lignes choisies par la clause WHERE d'une requête.

Un autre scénario dans lequel les index secondaires peuvent offrir des avantages en termes de performance concerne certaines requêtes qui renvoient des résultats ordonnés. Par exemple, supposons que vous souhaitiez extraire tous les titres d'album et leurs dates de sortie par ordre croissant de date de disponibilité et par ordre décroissant de titre d'album. Vous pouvez écrire une requête SQL comme suit:

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums AS a
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

Sans index secondaire, cette requête nécessite une étape de tri potentiellement coûteuse dans le plan d'exécution. Vous pouvez accélérer l'exécution de la requête en définissant l'index secondaire suivant :

CREATE INDEX AlbumsByReleaseDateTitleDesc on Albums (ReleaseDate, AlbumTitle DESC);

Ensuite, réécrivez la requête pour utiliser l'index secondaire:

GoogleSQL

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums@{FORCE_INDEX=AlbumsByReleaseDateTitleDesc} AS a
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

PostgreSQL

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums /*@ FORCE_INDEX=AlbumsByReleaseDateTitleDesc */ AS s
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

Cette requête et cette définition d'index répondent aux deux critères suivants:

• Pour supprimer l'étape de tri, assurez-vous que la liste des colonnes de la clause ORDER BY est un préfixe de la liste des clés d'index.
• Pour éviter une jointure à partir de la table de base pour récupérer les colonnes manquantes, assurez-vous que l'index couvre toutes les colonnes de la table utilisées par la requête.

Bien que les index secondaires puissent accélérer les requêtes courantes, leur ajout peut augmenter la latence de vos opérations de commit, car chaque index secondaire nécessite généralement d'impliquer un nœud supplémentaire dans chaque commit. Pour la plupart des charges de travail, quelques index secondaires sont suffisants. Cependant, vous devez déterminer si vous êtes plus soucieux de la latence en lecture ou en écriture, ainsi que les opérations les plus critiques pour votre charge de travail. Effectuez une analyse comparative de votre charge de travail pour vous assurer qu'elle fonctionne comme prévu.

Pour obtenir une documentation de référence complète sur les index secondaires, consultez la page Index secondaires.

Optimiser les analyses

Certaines requêtes Spanner peuvent tirer parti d'une méthode de traitement par lot pour l'analyse des données plutôt que de la méthode de traitement plus courante par ligne. Le traitement des analyses par lot est un moyen plus efficace de traiter d'importants volumes de données en une seule fois, et permet aux requêtes de réduire l'utilisation du processeur et la latence.

L'opération d'analyse Spanner lance toujours une exécution en mode orienté ligne. Au cours de cette période, Spanner collecte plusieurs métriques d'exécution. Ensuite, Spanner applique un ensemble d'heuristiques basées sur le résultat de ces métriques pour déterminer le mode d'analyse optimal. Le cas échéant, Spanner passe à un mode de traitement par lot pour améliorer le débit et les performances des analyses.

Cas d'utilisation courants

Les requêtes présentant les caractéristiques suivantes bénéficient généralement de l'utilisation du traitement par lot:

• Analyses volumineuses sur des données rarement mises à jour.
• Effectue des analyses avec des prédicats sur des colonnes à largeur fixe.
• Analyses avec un nombre élevé de recherches. (Une recherche utilise un index pour récupérer les enregistrements.)

Cas d'utilisation sans gains de performances

Toutes les requêtes ne bénéficient pas du traitement par lot. Les types de requêtes suivants offrent de meilleures performances avec le traitement d'analyse orienté ligne:

• Requêtes de recherche par point: requêtes qui ne récupèrent qu'une seule ligne.
• Requêtes d'analyse mineures: analyses de table qui n'analysent que quelques lignes, sauf si leur nombre de recherches est important.
• Requêtes qui utilisent LIMIT
• Requêtes qui lisent des données avec une forte perte d'utilisateurs: requêtes dans lesquelles plus de 10% des données lues sont fréquemment mises à jour.
• Requêtes avec des lignes contenant des valeurs volumineuses: les lignes à forte valeur sont celles qui contiennent des valeurs supérieures à 32 000 octets (précompression) dans une seule colonne.

Vérifier la méthode d'analyse utilisée par une requête

Pour vérifier si votre requête utilise le traitement par lot ou par ligne, ou si elle bascule automatiquement entre les deux méthodes d'analyse:

1. Accédez à la page Instances de Spanner dans la console Google Cloud.

   Accéder à la page Instances

2. Cliquez sur le nom de l'instance associée à la requête que vous souhaitez examiner.

3. Sous la table "Bases de données", cliquez sur la base de données contenant la requête à examiner.

4. Dans le menu de navigation, cliquez sur Spanner Studio.

5. Ouvrez un nouvel onglet en cliquant sur Nouvel onglet de l'éditeur SQL ou Nouvel onglet.

6. Lorsque l'éditeur de requête s'affiche, rédigez votre requête.

7. Cliquez sur Exécuter.

   Spanner exécute la requête et affiche les résultats.

8. Cliquez sur l'onglet Explication sous l'éditeur de requête.

   Spanner affiche un visualiseur du plan d'exécution du plan de requête. Chaque fiche du graphique représente un itérateur.

9. Cliquez sur la carte d'itérateur Table scan pour ouvrir un panneau d'informations.

   Le panneau d'informations affiche des informations contextuelles sur l'analyse sélectionnée. La méthode de numérisation est indiquée sur cette carte. Automatique : indique que Spanner détermine la méthode d'analyse. Les autres valeurs possibles sont Vectorized pour le traitement par lot et Scalar pour le traitement orienté ligne.

   

Appliquer la méthode d'analyse utilisée par une requête

Pour optimiser les performances des requêtes, Spanner choisit la méthode d'analyse optimale pour votre requête. Nous vous recommandons d'utiliser cette méthode d'analyse par défaut. Toutefois, il se peut que vous souhaitiez appliquer un type de méthode d'analyse spécifique.

Comment appliquer une analyse par lot

Vous pouvez appliquer une analyse par lot au niveau de la table et des instructions.

Pour appliquer la méthode d'analyse par lot au niveau de la table, utilisez un indice de table dans votre requête:

GoogleSQL

  SELECT ...
  FROM (t1@{SCAN_METHOD=BATCH} JOIN t2 ON ...)
  WHERE ...

PostgreSQL

  SELECT ...
  FROM (t1/*@ scan_method=batch */ JOIN t2 on ...)
  WHERE ...

Pour appliquer la méthode d'analyse par lot au niveau de l'instruction, utilisez un indice d'instruction dans votre requête:

GoogleSQL

  @{SCAN_METHOD=BATCH}
  SELECT ...
  FROM ...
  WHERE ...

PostgreSQL

  /*@ scan_method=batch */
  SELECT ...
  FROM ...
  WHERE ...

Désactiver l'analyse automatique et appliquer une analyse par ligne

Bien que nous vous recommandions de ne pas désactiver la méthode d'analyse automatique définie par Spanner, vous pouvez décider de la désactiver et d'utiliser la méthode d'analyse par ligne à des fins de dépannage, par exemple pour diagnostiquer la latence.

Pour désactiver la méthode d'analyse automatique et appliquer le traitement des lignes au niveau de la table, utilisez un indice de table dans votre requête:

GoogleSQL

  SELECT ...
  FROM (t1@{SCAN_METHOD=ROW} JOIN t2 ON ...)
  WHERE ...

PostgreSQL

  SELECT ...
  FROM (t1/*@ scan_method=row */ JOIN t2 on ...)
  WHERE ...

Pour désactiver la méthode d'analyse automatique et appliquer le traitement des lignes au niveau de l'instruction, utilisez une suggestion d'instruction dans votre requête:

GoogleSQL

  @{SCAN_METHOD=ROW}
  SELECT ...
  FROM ...
  WHERE ...

PostgreSQL

  /*@ scan_method=row */
  SELECT ...
  FROM ...
  WHERE ...

Optimiser les recherches de clés de plage

Une requête SQL est couramment utilisée pour lire plusieurs lignes de Spanner en fonction d'une liste de clés connues.

Les bonnes pratiques suivantes vous aident à écrire des requêtes efficaces lorsque vous récupérez des données à l'aide d'une plage de clés:

• Si la liste de clés est fragmentée et non adjacente, utilisez les paramètres de requête et UNNEST pour créer votre requête.

  Par exemple, si votre liste de clés correspond à {1, 5, 1000}, écrivez la requête de la manière suivante :

  GoogleSQL

  SELECT *
  FROM Table AS t
  WHERE t.Key IN UNNEST (@KeyList)
  

  PostgreSQL

  SELECT *
  FROM Table AS t
  WHERE t.Key IN UNNEST ($1)
  

  Remarques :

  • L'opérateur de tableau UNNEST aplatit un tableau d'entrée sous la forme de lignes d'éléments.

  • Le paramètre de requête, qui est @KeyList pour GoogleSQL et $1 pour PostgreSQL, peut accélérer votre requête, comme indiqué dans la bonne pratique précédente.

• Si la liste de clés est adjacente et comprise dans une plage, spécifiez les limites inférieure et supérieure de la plage de clés dans la clause WHERE.

  Par exemple, si votre liste de clés correspond à {1,2,3,4,5}, créez la requête comme suit:

  GoogleSQL

  SELECT *
  FROM Table AS t
  WHERE t.Key BETWEEN @min AND @max
  

  Remarque :Ici, @min et @max sont des paramètres de requête liés respectivement aux valeurs 1 et 5.

  PostgreSQL

  SELECT *
  FROM Table AS t
  WHERE t.Key BETWEEN $1 AND $2
  

  Remarque :Ici, $1 et $2 sont des paramètres de requête liés respectivement aux valeurs 1 et 5.

  Cette requête n'est plus efficace que si les clés de la plage de clés sont adjacentes. En d'autres termes, si votre liste de clés est {1, 5, 1000}, ne spécifiez pas les limites inférieures et supérieures comme dans la requête précédente, car la requête résultante analyserait chaque valeur comprise entre 1 et 1 000.

Jointures Optimize

Les opérations de jointure peuvent être coûteuses, car elles peuvent augmenter considérablement le nombre de lignes à analyser, ce qui ralentit les requêtes. En plus des techniques que vous avez l'habitude d'utiliser dans d'autres bases de données relationnelles pour optimiser les requêtes de jointure, voici quelques bonnes pratiques pour une jointure plus efficace lors de l'utilisation de Spanner SQL:

• Si possible, joignez des données dans des tables entrelacées par clé primaire. Exemple :

  SELECT s.FirstName, a.ReleaseDate
  FROM Singers AS s JOIN Albums AS a ON s.SingerId = a.SingerId;
  

  Vous avez la garantie que les lignes de la table entrelacée Albums sont physiquement stockées dans les mêmes divisions que la ligne parente dans Singers, comme indiqué sur la page Schéma et modèle de données. Par conséquent, les jointures peuvent être effectuées localement sans envoyer beaucoup de données sur le réseau.

• Utilisez la directive de jointure si vous souhaitez forcer l'ordre de la jointure. Exemple :

  GoogleSQL

  SELECT *
  FROM Singers AS s JOIN@{FORCE_JOIN_ORDER=TRUE} Albums AS a
  ON s.SingerId = a.Singerid
  WHERE s.LastName LIKE '%x%' AND a.AlbumTitle LIKE '%love%';
  

  PostgreSQL

  SELECT *
  FROM Singers AS s JOIN/*@ FORCE_JOIN_ORDER=TRUE */ Albums AS a
  ON s.SingerId = a.Singerid
  WHERE s.LastName LIKE '%x%' AND a.AlbumTitle LIKE '%love%';
  

  La directive de jointure FORCE_JOIN_ORDER indique à Spanner d'utiliser l'ordre de jointure spécifié dans la requête (c'est-à-dire Singers JOIN Albums, et non Albums JOIN Singers). Les résultats renvoyés sont les mêmes, quel que soit l'ordre choisi par Spanner. Toutefois, vous pouvez utiliser cette directive de jointure si vous remarquez dans le plan de requête que Spanner a modifié l'ordre de jointure et a des conséquences indésirables, telles que des résultats intermédiaires plus importants ou des opportunités manquées pour rechercher des lignes.

• Utilisez une directive de jointure pour choisir une mise en œuvre de jointure. Lorsque vous utilisez SQL pour interroger plusieurs tables, Spanner utilise automatiquement une méthode de jointure susceptible de rendre la requête plus efficace. Cependant, Google vous recommande de tester différents algorithmes de jointure. Le choix du bon algorithme de jointure peut améliorer la latence, la consommation de mémoire ou les deux. Cette requête illustre la syntaxe d'une directive JOIN avec la suggestion JOIN_METHOD pour choisir un élément HASH JOIN:

  GoogleSQL

  SELECT *
  FROM Singers s JOIN@{JOIN_METHOD=HASH_JOIN} Albums AS a
  ON a.SingerId = a.SingerId
  

  PostgreSQL

  SELECT *
  FROM Singers s JOIN/*@ JOIN_METHOD=HASH_JOIN */ Albums AS a
  ON a.SingerId = a.SingerId
  

• Si vous utilisez une HASH JOIN ou une APPLY JOIN et que vous avez une clause WHERE très sélective d'un côté de votre JOIN, placez la table qui génère le plus petit nombre de lignes en tant que première table dans la clause FROM de la jointure. Cette structure est utile, car actuellement dans HASH JOIN, Spanner choisit toujours la table de gauche en tant que compilation et la table de droite en tant que vérification. De même, pour APPLY JOIN, Spanner choisit la table de gauche en tant que table externe et la table de droite en tant que table interne. Pour en savoir plus sur ces types de jointures, consultez les sections Jointure de hachage et Jointure d'application.

• Pour les requêtes critiques pour votre charge de travail, spécifiez la méthode de jointure et l'ordre de jointure la plus performante dans vos instructions SQL afin d'obtenir des performances plus cohérentes.

Éviter les opérations de lecture de grande taille dans les transactions en lecture-écriture

Les transactions en lecture-écriture autorisent une séquence de zéro ou plusieurs lectures ou requêtes SQL et peuvent inclure un ensemble de mutations avant un appel à validation. Pour maintenir la cohérence de vos données, Spanner acquiert des verrous lors de la lecture et de l'écriture de lignes dans vos tables et vos index. Pour en savoir plus sur le verrouillage, consultez la section Déroulement des opérations de lecture et d'écriture.

En raison du fonctionnement du verrouillage dans Spanner, l'exécution d'une requête de lecture ou d'une requête SQL qui lit un grand nombre de lignes (par exemple, SELECT * FROM Singers) signifie qu'aucune autre transaction ne peut écrire dans les lignes que vous avez lues tant que votre transaction n'est pas validée ou annulée.

De plus, comme votre transaction traite un grand nombre de lignes, elle risque de prendre plus de temps qu'une transaction qui lit une plus petite plage de lignes (par exemple, SELECT LastName FROM Singers WHERE SingerId = 7), ce qui accentue le problème et réduit le débit du système.

Essayez donc d'éviter les opérations de lecture volumineuses (par exemple, des analyses de table complètes ou des opérations de jointure en masse) dans vos transactions, sauf si vous êtes prêt à accepter un débit en écriture inférieur.

Dans certains cas, la méthode suivante peut donner de meilleurs résultats:

1. Effectuez vos lectures volumineuses dans une transaction en lecture seule. Les transactions en lecture seule permettent un débit agrégé plus élevé, car elles n'utilisent pas de verrous.
2. Facultatif: effectuez le traitement requis sur les données que vous venez de lire.
3. Démarrez une transaction en lecture-écriture.
4. Vérifiez que les lignes critiques n'ont pas changé de valeur depuis que vous avez effectué la transaction en lecture seule à l'étape 1.
   • Si les lignes ont changé, annulez votre transaction et recommencez à l'étape 1.
   • Si tout se passe bien, validez vos mutations.

Pour vous assurer d'éviter les lectures volumineuses dans les transactions en lecture-écriture, vous pouvez examiner les plans d'exécution générés par vos requêtes.

Utiliser ORDER BY pour garantir le classement de vos résultats SQL

Si vous souhaitez que les résultats d'une requête SELECT soient classés dans un certain ordre, incluez explicitement la clause ORDER BY. Par exemple, si vous souhaitez répertorier tous les chanteurs par ordre de clé primaire, utilisez la requête suivante:

SELECT * FROM Singers
ORDER BY SingerId;

Spanner garantit l'ordre des résultats uniquement si la clause ORDER BY est présente dans la requête. En d'autres termes, considérez la requête suivante sans ORDER BY :

SELECT * FROM Singers;

Spanner ne garantit pas que les résultats de cette requête seront classés par ordre de clé primaire. De plus, l'ordre des résultats peut changer à tout moment et sa cohérence n'est pas garantie d'un appel à l'autre. Si une requête comporte une clause ORDER BY et que Spanner utilise un index qui fournit l'ordre requis, Spanner ne trie pas explicitement les données. Par conséquent, ne vous inquiétez pas de l'impact de l'inclusion de cette clause sur les performances. Vous pouvez vérifier si une opération de tri explicite est incluse dans l'exécution en consultant le plan de requête.

Utiliser STARTS_WITH au lieu de LIKE

Étant donné que Spanner n'évalue pas les modèles LIKE paramétrés avant l'exécution, il doit lire toutes les lignes et les évaluer par rapport à l'expression LIKE pour filtrer les lignes qui ne correspondent pas.

Lorsqu'un modèle LIKE se présente sous la forme foo% (par exemple, il commence par une chaîne fixe et se termine par un seul pourcentage de caractère générique) et que la colonne est indexée, utilisez STARTS_WITH au lieu de LIKE. Cette option permet à Spanner d'optimiser plus efficacement le plan d'exécution des requêtes.

Option déconseillée :

GoogleSQL

SELECT a.AlbumTitle FROM Albums a
WHERE a.AlbumTitle LIKE @like_clause;

Remarque :Cet exemple suppose que @like_clause est lié à 'Love%'.

PostgreSQL

SELECT a.AlbumTitle FROM Albums a
WHERE a.AlbumTitle LIKE $1;

Remarque :Cet exemple suppose que $2 est lié à 'Love%'.

Recommandation:

GoogleSQL

SELECT a.AlbumTitle FROM Albums a
WHERE STARTS_WITH(a.AlbumTitle, @prefix);

Remarque :Cet exemple suppose que @prefix est lié à 'Love'. Cette requête est plus efficace que la précédente. Elle s'exécute plus rapidement si un index est défini sur Albums.AlbumTitle.

PostgreSQL

SELECT a.AlbumTitle FROM Albums a
WHERE STARTS_WITH(a.AlbumTitle, $2);

Remarque :Cet exemple suppose que $1 est lié à 'Love'. Cette requête est plus efficace que la précédente. Elle s'exécute plus rapidement si un index est défini sur Albums.AlbumTitle.

Utiliser des horodatages de commit

Si votre application doit interroger des données écrites après un certain délai, ajoutez des colonnes d'horodatage de commit aux tables appropriées. Les horodatages de commit permettent une optimisation Spanner qui peut réduire les E/S des requêtes dont les clauses WHERE limitent les résultats aux lignes écrites plus récemment qu'à une heure spécifique.

En savoir plus sur cette optimisation avec des bases de données de dialecte GoogleSQL ou avec des bases de données de dialecte PostgreSQL