昂贵 SELECT DISTINCT 低基数属性

Question

我想查询 Azure Cosmos DB 容器中所有分区中某个属性的不同值。

被查询的特定属性被索引并且具有低基数，即不同值的数量很少（小于 100）。

尽管查询必须运行所有分区我认为这种查询会很有效，因为它可以直接从索引中解析。

SQL查询是：（cnt是我感兴趣的低基数属性）

SELECT DISTINCT c.cnt FROM c

查询统计（来自 Azure 门户）报告：

我得到 9 个结果，这是预期的基数。但统计数据似乎表明根本没有使用索引 - 使其成为一个昂贵的查询。

检索到的文档数是 753 161。我的第一个想法是查询扫描所有项目，所以我用 cnt 属性:[=17= 对所有项目进行了计数]

SELECT COUNT(c.cnt) AS TotalCount FROM c

但结果是：

[
    {
        "TotalCount": 3518847
    }
]

这告诉我扫描了 3 518 847 件物品中的 753 161 件 (~21%)。这很好，但让我对发生的事情了解得更少。

现在回答我的问题：

是否可以编写 SELECT DISTINCT 查询（跨分区）以便（正确）使用索引？

如果不是，请帮助我理解为什么统计数据表明扫描超过 21% 的所有项目都带有查询属性。

Answer 1

Can the SELECT DISTINCT query (cross partition) be written so that it makes (proper) use of indexes?

不可以，但这是他们正在开发的功能 (source)。

为什么它只扫描 21% 我不太清楚，因为我希望它遍历整个集合。可能是 Azure 门户只检索了一部分结果，而恰好你的 21% 的数据包含你期望的每个不同值。

在这种情况下，REST API 将 return 一个继续令牌来检索下一组文档（通常通过结果上的 load more 按钮在 Azure 门户中可见选项卡）。

Expensive SELECT DISTINCT low cardinality property