Window Azure Table 存储查询性能
Window Azure Table Storage Query performance
所以我请求 运行 一份基于 azure table 存储的报告，经过漫长的提炼报告过程后我得到了数据。然而，当我完成对控制台应用程序的重构时，有些事情并不适合我。我使用 azure 的时间不长，但我有一个基本概念，即您选择用作 PartitionKey 和 RowKey 的内容将成就或破坏 table（最终）。
我运行 的查询使用时间戳（对我使用此字段的原因有限制）作为过滤器来提取一天的数据，因为 PartitionKey 和 RowKey 是未知的。据我了解，如果 运行 查询没有 PK 和 RK，这将导致查询 运行 贯穿整个 table（如果我错了请纠正我）。导致查询的获取时间很短。
使用时间戳让我很紧张，因为它属于 table，并且每次该条目发生变化时都会不断更新。考虑到这一点，报告可能需要几个小时才能完成 运行。所以这引出了我的主要问题。
如果在我的查询过程中一系列条目在获取过程中被更改会怎样？
以这个场景为例：
- 我的 table 中有 100 个条目。
- 我目前是第 50 个条目。
当我访问第 50 个条目时，条目 1-20 被更新，条目 80-100 发生变化。
我得到什么样的数据？
（我相信我得到了 80-100 的更新条目，但仍然保留 1-20 的旧数据）。
如果我错了请纠正我，但是 运行 没有 PK 和 RK 的查询会导致查询的获取时间很短。
这是一个严重的反模式。最高效的查询是对 PK 和 RK 的点查询。提供 PK 至少会强制查询进入一个分区或计算节点。两者都不能保证完整的 table 扫描。与许多 NoSQL 存储一样，围绕查询性能设计数据模型至关重要。通过对 PK 和 RK 的控制，您可以将时间戳注入其中，同时保持对另一个反模式的仅追加写入到单个分区的意识。例如，如果您将 PK 基于每日或每小时存储桶并且仅将数据插入单个存储桶，就会发生这种情况。
所以我请求 运行 一份基于 azure table 存储的报告，经过漫长的提炼报告过程后我得到了数据。然而，当我完成对控制台应用程序的重构时，有些事情并不适合我。我使用 azure 的时间不长，但我有一个基本概念，即您选择用作 PartitionKey 和 RowKey 的内容将成就或破坏 table（最终）。
我运行 的查询使用时间戳（对我使用此字段的原因有限制）作为过滤器来提取一天的数据，因为 PartitionKey 和 RowKey 是未知的。据我了解，如果 运行 查询没有 PK 和 RK，这将导致查询 运行 贯穿整个 table（如果我错了请纠正我）。导致查询的获取时间很短。
使用时间戳让我很紧张，因为它属于 table，并且每次该条目发生变化时都会不断更新。考虑到这一点，报告可能需要几个小时才能完成 运行。所以这引出了我的主要问题。
如果在我的查询过程中一系列条目在获取过程中被更改会怎样？
以这个场景为例：
- 我的 table 中有 100 个条目。
- 我目前是第 50 个条目。
当我访问第 50 个条目时，条目 1-20 被更新，条目 80-100 发生变化。
我得到什么样的数据？ （我相信我得到了 80-100 的更新条目，但仍然保留 1-20 的旧数据）。
如果我错了请纠正我，但是 运行 没有 PK 和 RK 的查询会导致查询的获取时间很短。
这是一个严重的反模式。最高效的查询是对 PK 和 RK 的点查询。提供 PK 至少会强制查询进入一个分区或计算节点。两者都不能保证完整的 table 扫描。与许多 NoSQL 存储一样，围绕查询性能设计数据模型至关重要。通过对 PK 和 RK 的控制，您可以将时间戳注入其中，同时保持对另一个反模式的仅追加写入到单个分区的意识。例如，如果您将 PK 基于每日或每小时存储桶并且仅将数据插入单个存储桶，就会发生这种情况。