Eseguire query in parallelo con Azure Cosmos DB

di Cristian Civera, in Azure Cosmos DB,

Tra i numerosi servizi PaaS offerti dalla piattaforma cloud di Microsoft, troviamo Cosmos DB, un database distribuito a livello globale con prestazioni garantite, capace di supportare il modello NoSQL, tabelle e grafi allo stesso tempo.

Quando usiamo il modello documentale è importante organizzare i propri grafi di oggetti partizionando le collezioni, al fine di migliorare l'allocazione, che non può superare i 10 GB, e di garantire lo scaling orizzontale. Nell'effettuare query sulle collezioni, possiamo ricercare per indici che non permettono una ricerca ottimizzata, qualora non l'arricchiamo indicando anche il campo di partizionamento, costringendo il motore a cercare in tutte le partizioni.

Questa situazione è inevitabile, ma possiamo migliorare le prestazioni di esecuzione della query andando a intervenire sul client disponibile con l'SDK. Sul metodo CreateDocumentQuery possiamo specificare tra le opzioni di eseguire le query in parallelo su più partizioni, come mostrato nell'esempio.

Uri uri = UriFactory.CreateDocumentCollectionUri("mydb", "products")

// Personalizzo le opzioni
var options = new FeedOptions {
    EnableCrossPartitionQuery = true,
    MaxDegreeOfParallelism = 10,
    MaxBufferedItemCount = 100
};

Product[] products = client.CreateDocumentQuery<Product>(uri, options)     
    .Where(m => m.Price > 10)
    .OrderBy(m => m.Id)
    .ToArray()

Con MaxDegreeOfParallelism controlliamo quante connessioni contemporanee effettuare, riuscendo ad eseguire più query, mentre con MaxBufferedItemCount controlliamo quanti elementi riuscire a mettere in memoria, favorendo poi l'algoritmo che mette in ordine gli elementi ottenuti da ogni collezione. Chiaramente occorre trovare dei valori che non siano eccessivi dal punto di vista della rete e della ram allocata. Possiamo in alternativa lasciare i valori predefiniti e lasciare all'SDK la gestione.

Commenti

Visualizza/aggiungi commenti

| Condividi su: Twitter, Facebook, LinkedIn

Per inserire un commento, devi avere un account.

Fai il login e torna a questa pagina, oppure registrati alla nostra community.

Approfondimenti

I più letti di oggi