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 表中，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行。

当我按列过滤以获取密钥时，每个请求都会是原子的吗？

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 row 而不是行。因此，您进行此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，您必须进行全表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 的最佳做法，您希望避免全表扫描。如果这是您需要运行的一次性程序，那很好，否则，如果您要定期执行此操作，您可能想找出一种不同的方法来执行此操作。

请注意，我们是 updating the API，以便更清楚地了解不同类型的突变。