我在Python 3灵活的应用引擎环境中通过Python库使用Google Cloud Datastore。我的烧瓶应用程序创建一个对象，然后将其添加到数据存储区：
ds = datastore.Client()
ds.put(entity)
在我的测试中，每次拨打put都需要0.5-1.5秒才能完成。如果我像here一样一个接一个地拨打两个电话，这不会改变。
我想知道我的对象的复杂性是否是问题。它是多层次的，例如：
object = {
a: 1,
...,
b: [
{
d: 2,
...,
e: {
h: 3
}
}
],
c: [
{
f: 4,
...,
g: {
i: 5
}
}
]
}
我通过嵌套datastore.Entity来创建，每个都用以下内容初始化：
entity = datastore.Entity(key=ds.key(KIND))
entity.update(object_dictionary)
两个列表都是3-4个项目。对象的JSON等价物是~2-3kb。
这不是推荐的做法吗？我应该做什么呢？
更多信息：
我目前没有在事务中包含put的{{1}}。 put只是Entity上的一个薄包装器。 put_multi似乎创建了put_multi，发送了batch，然后提交了Entity。
我没有指定对象＆＃34;名称/ ID＆＃34; （数据存储在线控制台的标题）。我允许图书馆为我决定：
batch其中datastore.key(KIND)
只是一个字符串，用于指定我的集合的名称。替代方案是：
KIND我用它来更新对象，而不是我最初创建对象的地方。库生成的密钥随着时间的推移而增加，但不是单调的（例如：id = 4669294231158784，id = 4686973524508672）。
我不是100％肯定我正在做的事情的术语（＆＃34;实体是在同一个实体组中，或者如果你使用索引属性＆＃34;），但人们似乎都在参考这个过程作为一个＆＃34;嵌入式实体＆＃34; （即here）。在数据存储区在线控制台中，在实体部分下，我只有一个＆＃34; kind＆＃34;，而不是我的每个子对象的多种类型。这是回答你的问题，还是我能以某种方式找到它？
我在集合上只有一个索引，在一个单独的ID字段上，该字段是对不同数据库中另一个对象的引用，用于跨数据库查找。
答案 0 :(得分：2)
您可以使用Batch operations：
提高多次连续写入（读取）的性能批处理操作
Cloud Datastore支持允许的批量版操作 它可以在单个Cloud Datastore调用中对多个对象进行操作。
此类批量调用比为每个调用单独调用更快 个体实体，因为它们只产生一项服务的开销 呼叫。如果涉及多个实体组，则为所有人工作 组在服务器端并行执行。
client.put_multi([task1, task2])
答案 1 :(得分：2)
除了另一个答案中的批量推荐之外，还有其他一些做法会减少你的“投入”时间。
在数据存储上执行“写入”时，实际上是将数据多次写入多个表（索引）以提高性能。数据存储区通过牺牲一点写入时间效率和存储来优化查询时间性能。因此，例如，如果您索引三个普通字段，则每次写入基本上都会更新三个（已排序）表。通常情况下，不会被查询的字段not be indexed，这将节省您的时间和金钱。
由于“爆炸索引”效应，当您重复或嵌套字段时，“过度索引”的效果会更糟。基本上，您的数据在存储之前会被“展平”，因此具有多个重复字段会导致写入成本和时间的乘法增加。