Cloud Bigtable：当我按列过滤时，我的修改请求是原子的吗？

Question

在我的 Cloud Bigtable table 中，我每秒有数百万个请求。我得到一个唯一的行键，然后我需要用原子突变修改该行。

当我按列过滤获取键时，它对每个请求都是原子的吗？

col1_filter = row_filters.ColumnQualifierRegexFilter(b'customerId')
label1_filter = row_filters.ValueRegexFilter('')
chain1 = row_filters.RowFilterChain(filters=[col1_filter, label1_filter])

partial_rows = table.read_rows(filter_=chain1)

for data in partial_rows:
    row_cond = table.row(data.cell[row_key])
    row_cond.set_cell(u'data', b'customerId', b'value', state=True)
    row_cond.commit()

Answer 1

CheckAndMutateRow operations are atomic，但它是检查和变异行而不是行。所以你有这个设置的方式不会创建原子操作。

您需要使用行键和过滤器创建一个 conditional row 对象，提供修改，然后提交。像这样：

col1_filter = row_filters.ColumnQualifierRegexFilter(b'customerId')
label1_filter = row_filters.ValueRegexFilter('')
chain1 = row_filters.RowFilterChain(filters=[col1_filter, label1_filter])

partial_rows = table.read_rows()

for data in partial_rows:
    row_cond = table.row(data.cell[row_key], filter_=chain1) # Use filter here
    row_cond.set_cell(u'data', b'customerId', b'value', state=True)
    row_cond.commit()

因此您必须进行完整的 table 扫描并将过滤器应用于每一行。如果您正在应用该过滤器，那么您已经在进行全面扫描，因此不应该存在性能差异。对于 Cloud Bigtable 的最佳实践，您希望避免完全 table 扫描。如果这是一个一次性程序，您需要运行就可以了，否则如果您要定期执行此操作，则可能需要找出一种不同的方法来执行此操作。

请注意，我们 updating the API 将更清楚地说明不同类型的突变。

Cloud Bigtable：当我按列过滤时，我的修改请求是原子的吗？

Cloud Bigtable: when I filter by column, are my modify requests atomic?

python

bigtable

google-cloud-bigtable