DocumentDB - 分区

当您的数据库开始增长超过 10GB 时,您只需创建新集合,然后将数据分布或分区到越来越多的集合中即可进行扩展。

迟早,一个具有 10GB 容量的集合将不足以容纳您的数据库。 现在,10GB 听起来可能不是一个很大的数字,但请记住,我们存储的是 JSON 文档,它只是纯文本,即使考虑索引的存储开销,您也可以在 10GB 中容纳大量纯文本文档。

在可扩展性方面,存储并不是唯一需要考虑的问题。 集合上可用的最大吞吐量是使用 S3 集合获得的每秒两个半千个请求单位。 因此,如果您需要更高的吞吐量,那么您还需要通过使用多个集合进行分区来进行扩展。 横向扩展分区也称为水平分区

有许多方法可用于使用 Azure DocumentDB 进行数据分区。 以下是最常见的策略 −

  • 溢出分区
  • 范围分区
  • 查找分区
  • 哈希分区

溢出分区

溢出分区是最简单的策略,因为没有分区键。 当您对很多事情不确定时,这通常是一个不错的选择。 您可能不知道您是否需要扩展到单个集合之外,或者您可能需要添加多少个集合,或者您可能需要以多快的速度添加它们。

  • 溢出分区从单个集合开始,并且没有分区键。

  • 集合开始增长,然后增长得更多,然后更多,直到开始接近 10GB 限制。

  • 当容量达到 90% 时,您将溢出到新集合并开始将其用于新文档。

  • 一旦您的数据库扩展到更大数量的集合,您可能需要转向基于分区键的策略。

  • 执行此操作时,您需要根据您要迁移到的策略将文档移动到不同的集合,从而重新平衡数据。

范围分区

最常见的策略之一是范围分区。 通过这种方法,您可以确定文档的分区键可能属于的值范围,并将文档定向到与该范围相对应的集合。

  • 日期通常与此策略一起使用,您可以创建一个集合来保存定义的日期范围内的文档。 当您定义足够小的范围时,您可以确信任何集合都不会超过其 10GB 限制。 例如,可能存在这样的场景:单个集合可以合理处理一整月的文档。

  • 也可能出现这样的情况:大多数用户正在查询当前数据,可能是本月或上个月的数据,但用户很少搜索更旧的数据。 因此,您从 6 月份开始购买 S3 系列,这是您可以购买的最昂贵的系列,并且可以提供您可以获得的最佳吞吐量。

  • 7 月份,您购买另一个 S3 集合来存储 7 月份的数据,并且还将 6 月份的数据缩减为较便宜的 S2 集合。 然后在 8 月,您会获得另一个 S3 系列,然后将 7 月缩减为 S2,6 月一直缩减为 S1。 月复一月,您始终保持当前数据可用于高吞吐量,而旧数据则保持在较低吞吐量下可用。

  • 只要查询提供分区键,就只会查询需要查询的集合,而不是像溢出分区那样查询数据库中的所有集合。

查找分区

通过查找分区,您可以定义分区映射,根据分区键将文档路由到特定集合。 例如,您可以按区域进行分区。

  • 将所有 US 文档存储在一个集合中,将所有 European 文档存储在另一个集合中,将来自任何其他地区的所有文档存储在第三个集合中。

  • 使用此分区映射,查找分区解析器可以根据分区键(即每个文档中包含的区域属性)确定在哪个集合中创建文档以及要查询哪些集合。

哈希分区

在哈希分区中,分区是根据哈希函数的值分配的,允许您将请求和数据均匀分布在多个分区上。

这通常用于对大量不同客户端生成或消耗的数据进行分区,并且对于存储用户配置文件、目录项等很有用。

让我们看一下使用 .NET SDK 提供的 RangePartitionResolver 进行范围分区的简单示例。

步骤 1 − 创建一个新的 DocumentClient,我们将在 CreateCollections 任务中创建两个集合。 一个将包含用户 ID 以 A 到 M 开头的用户的文档,另一个将包含用户 ID 从 N 到 Z 开头的用户的文档。

private static async Task CreateCollections(DocumentClient client) {
   await client.CreateDocumentCollectionAsync(“dbs/myfirstdb”, new DocumentCollection {
      Id = “CollectionAM” }); 
		
   await client.CreateDocumentCollectionAsync(“dbs/myfirstdb”, new DocumentCollection {
      Id = “CollectionNZ” }); 
}

步骤 2 − 注册数据库的范围解析器。

步骤 3 − 创建一个新的 RangePartitionResolver,这是我们分区键的数据类型。 构造函数采用两个参数,分区键的属性名称和一个字典(分片映射或分区映射),它只是我们为解析器预定义的范围和相应集合的列表。

private static void RegisterRangeResolver(DocumentClient client) {

   //Note: \uffff is the largest UTF8 value, so M\ufff includes all strings that start with M.
		
   var resolver = new RangePartitionResolver<string>(
      "userId", new Dictionary<Range<string>, string>() {
      { new Range<string>("A", "M\uffff"), "dbs/myfirstdb/colls/CollectionAM" },
      { new Range<string>("N", "Z\uffff"), "dbs/myfirstdb/colls/CollectionNZ" },
   });
	
   client.PartitionResolvers["dbs/myfirstdb"] = resolver;
 }

这里有必要对尽可能大的UTF-8值进行编码。 否则,第一个范围将不会与除单个 M 之外的任何 Ms 匹配,第二个范围中的 Z 也同样如此。 因此,您可以将这里的编码值视为用于匹配分区键的通配符。

步骤 4 − 创建解析器后,将其注册到当前 DocumentClient 的数据库中。 为此,只需将其分配给 PartitionResolver 的字典属性即可。

我们将根据数据库(而不是通常所做的集合)创建和查询文档,解析器将使用此映射将请求路由到适当的集合。

现在让我们创建一些文档。 首先,我们将为 userId Kirk 创建一个,然后为 Spock 创建一个。

private static async Task CreateDocumentsAcrossPartitions(DocumentClient client) { 
   Console.WriteLine(); 
   Console.WriteLine("**** Create Documents Across Partitions ****");
	
   var kirkDocument = await client.CreateDocumentAsync("dbs/myfirstdb", new { userId =
      "Kirk", title = "Captain" }); 
   Console.WriteLine("Document 1: {0}", kirkDocument.Resource.SelfLink);
	
   var spockDocument = await client.CreateDocumentAsync("dbs/myfirstdb", new { userId =
      "Spock", title = "Science Officer" });		
   Console.WriteLine("Document 2: {0}", spockDocument.Resource.SelfLink); 
}

这里的第一个参数是数据库的自链接,而不是具体的集合。 如果没有分区解析器,这是不可能的,但有了分区解析器,它就可以无缝地工作。

两个文档都保存到数据库 myfirstdb 中,但如果我们的 RangePartitionResolver 正常工作,我们知道 Kirk 存储在 A 到 M 的集合中,Spock 存储在 N 到 Z 的集合中。

让我们从 CreateDocumentClient 任务中调用这些,如以下代码所示。

private static async Task CreateDocumentClient() {
   // Create a new instance of the DocumentClient 
   using (var client = new DocumentClient(new Uri(EndpointUrl), AuthorizationKey)) {
      await CreateCollections(client);  
      RegisterRangeResolver(client);  
      await CreateDocumentsAcrossPartitions(client); 
   } 
}

执行上述代码后,您将收到以下输出。

**** Create Documents Across Partitions **** 
Document 1: dbs/Ic8LAA==/colls/Ic8LAO2DxAA=/docs/Ic8LAO2DxAABAAAAAAAAAA==/ 
Document 2: dbs/Ic8LAA==/colls/Ic8LAP12QAE=/docs/Ic8LAP12QAEBAAAAAAAAAA==/

正如所见,两个文档的自链接具有不同的资源 ID,因为它们存在于两个单独的集合中。