散列到DocumentDB中的分区

Question

我正在DocumentDB上构建一个系统。我们正在使用分区集合。对于分区密钥，我们将使用随机数来最好地确保我们对底层分区具有相同的利用率（因此，RU的利用率相等，因为RU在底层分区之间平均分配）。 我们将分区键存储在标识符中，以便我们知道如何在标识符发出请求时“找到”文档。 话虽如此，我们试图找出随机数范围的权衡。如果我们想保存一个字符（在我们的用例中这很重要），我们的选择就像[0-999]或[0-99]。 如果有> 99个底层分区，我们可能会利用分区，因为我们的分发不会涵盖所有可能的“桶”。我试图推断相反的情况 - 即，物理分区少于99个，将随机分布范围减少到[0-99]的权衡是什么？

Answer 1

具有相同分区键的所有文档将由DocumentDB放置在同一物理分区中。因此，具有粗分区密钥（具有99个唯一存储区）的优点是针对较大集合的非主要密钥查询，即具有相同存储桶的数据具有局部性并且可以以非常低（单位数ms）延迟来查询，就像在bucket + ID上的主键查询一样。您还有一个更大的事务边界，这对于需要事务的场景可能很重要。

粗分区键的缺点是可伸缩性，就像您在问题中提到的那样。您的数据/吞吐量不能超过99个DocumentDB分区可支持的数据/吞吐量。同样由于散列（https://en.wikipedia.org/wiki/Birthday_problem）的性质，即使分区数少于99，也可能遇到偏差。也就是说，如果您的数据/吞吐量要求低端，那么99是相当合理的号。

这将有助于理解为什么您的应用程序需要两个对三个数字。您还可以通过askdocdb@microsoft.com与DocumentDB团队联系，以获得进一步的支持/讨论。