查询DocumentDb

Question

注意：我向previously提出了一个非常类似的问题，但对于我正在寻找的内容还不够明确，并且过于激进地标出了答案。我正在寻找一个特定点确认的是/否。

我想构建一个自动化作业，通过按计划查询DocumentDb来查找DocumentDb文档的离线处理，查找自上次执行检查以来发生过更改的文档。

鉴于DocumentDb中可用的元数据，看起来这样做的方式如下：

• 第一次运行流程时，检索所有文档。
• 将结果集中的最大_ts值存储为highWatermark，并将具有该特定值的文档的ID和eTag存储为_ts值。
• 对于每个后续查询，请包含“WHERE _ts＆gt; = highWatermark”子句。过滤掉以前记录的eTag未更改的文档。结果是自上次查询运行以来所有更改的集合。

我的问题是这有效吗？ 保证这不会错过任何文件吗？据我所知，它归结为DocumentDb实现中_ts周围的事务语义，没有记录到这个详细程度。我想知道是否可以保证没有文件可以使用更低的_ts值更新，而不是在返回最近更改的查询期间返回的最大 _ts值该集合中的文件。

由David的评论提示编辑：

更准确一点，有几个具体的场景：

1. 如果两个文档D0和D1的更新应用于T0和T1的数据库（其中T1> T0，任意查询可能返回D0而不是D1），是否有可能是D0._ts＆gt; ; D1._ts？严格大于使用是故意的，因为我提议的实现处理接收相同_ts的多个更新，但只有一些更新被查询检索。
2. 假设我在时间T0执行我的实现查询，并且查询需要很长时间才能运行，并且/或者需要一些ExecuteNextAsync（）调用来从服务器中提取多个批次。在此期间，更新2个不同的文档（D1和D2），获得T1和T2的_ts值（其中T1

Answer 1

使用默认一致性时，无法保证此功能，因为具有较低_ts的文档可以稍后显示。但是，如果您可以保证更新请求相隔足够远（例如60秒），则风险非常低。

我不认为大卫的边缘情况是一种担忧，只要你把每个文件都用更高的_ts视为新的。

您可能还想考虑使用像Richard Snodgrass＆＃39;这样的附加方法。时间模型。这使得幂等性语义更容易。