（何时）扩大 CosmosDb 分区以避免跨分区查询更好？
(When) is it better to enlarge CosmosDb partitions to avoid cross-partition queries?
从文档和其他 CosmosDb 文章中可以清楚地看出，较小的分区有很多好处，但跨分区查询的成本也更高。那么扩大分区以避免这些跨分区查询是否明智？
举个例子可能会有所帮助。假设您的容器中有代表城市的文件。在其他字段中，每个文档都有一个 country、一个 region 和一个 name。您 可以 按 country 进行分区，以便全国范围的查询可以集中在一个分区上。但是较小的读取（例如，单个区域或少数几个城市的名称）需要查看更大的分区。这是一个很好的权衡吗？
显然，具体情况会根据更频繁地需要查询而有所不同，唯一明智的优化方法是在测量之后。但一般来说，跨分区查询的额外成本是否足以证明使用更大的分区是合理的？
如果您的所有数据都小于 50GB，那么它就不那么重要了，因为您的所有数据（在 20GB 逻辑分区内）都将位于一个物理分区上。随着集合大小的增长，跨分区查询变得越来越昂贵。查询为提供结果而必须遍历的物理分区越多，RU/s 成本就越高，延迟也就越长。
从文档和其他 CosmosDb 文章中可以清楚地看出，较小的分区有很多好处，但跨分区查询的成本也更高。那么扩大分区以避免这些跨分区查询是否明智？
举个例子可能会有所帮助。假设您的容器中有代表城市的文件。在其他字段中，每个文档都有一个 country、一个 region 和一个 name。您 可以 按 country 进行分区，以便全国范围的查询可以集中在一个分区上。但是较小的读取（例如，单个区域或少数几个城市的名称）需要查看更大的分区。这是一个很好的权衡吗？
显然，具体情况会根据更频繁地需要查询而有所不同，唯一明智的优化方法是在测量之后。但一般来说，跨分区查询的额外成本是否足以证明使用更大的分区是合理的？
如果您的所有数据都小于 50GB，那么它就不那么重要了，因为您的所有数据（在 20GB 逻辑分区内）都将位于一个物理分区上。随着集合大小的增长，跨分区查询变得越来越昂贵。查询为提供结果而必须遍历的物理分区越多，RU/s 成本就越高，延迟也就越长。