Azure Cosmos DB for PostgreSQL 中的模型实时分析应用

重要

新项目不再支持 Azure Cosmos DB for PostgreSQL。 不要将此服务用于新项目。 请改用以下两个服务之一：

• 将 Azure Cosmos DB for NoSQL 用于分布式数据库解决方案，该方案专为高规模场景设计，并提供 99.999% 的可用性服务级别协议（SLA）、即时自动缩放和跨多个区域的自动故障转移功能。

• 使用 Azure Database For PostgreSQL 的弹性群集功能，利用开源 Citus 扩展进行 PostgreSQL 的分片。

使用分片键并置大型表

若要为实时操作分析应用程序选取分片键，请遵循以下准则：

• 选择大型表上常见的列
• 选择属于数据中的自然维度或属于应用程序的核心部分的列。 以下是一些示例：
  • 在金融界，分析安全趋势的应用程序可能会使用 security_id。
  • 在要分析网站使用情况指标的用户分析工作负荷中，user_id 将是一个很好的分布列

通过并置大型表，可以并行将 SQL 查询推送到工作器节点。 向下推送查询可避免通过网络在节点之间混排数据。 可以有效地执行 JOIN、聚合、汇总、筛选器、LIMIT 等操作。

若要可视化并置表上的并行分布式查询，请考虑下图：

表 users 和 events 都依据 user_id 进行分片，因此与同一用户 ID 相关的行被放置在同一个工作节点上。 无需在辅助角色之间拉取信息即可发生 SQL JOIN。

适用于实时应用的最佳数据模型

让我们继续学习分析用户网站访问和指标的应用程序示例。 有两个“事实”表（用户和事件）以及其他较小的“维度”表。

要在 Azure Cosmos DB for PostgreSQL 上应用分布式表的强大功能，请执行以下步骤：

• 在公用列上分布大型事实数据表。 在本例中，用户和事件分布于 user_id 上。
• 将小型/维度表（device_types、countries 和 `event_types）标记为引用表。
• 请务必在分布式表的主键、唯一和外键约束中包含分布列。 包括列可能需要使键组合。 需要更新引用表的键。
• 联接大型分布式表时，请务必使用分片键进行联接。

-- Distribute the fact tables

SELECT create_distributed_table('users', 'user_id');
SELECT create_distributed_table('products', 'user_id', colocate_with => 'users');

-- Turn dimension tables into reference tables, with synchronized copies
-- maintained on every worker node

SELECT create_reference_table('countries');
-- similarly for device_types and event_types...

后续步骤

现在，我们已探讨完可缩放应用的数据建模。 下一步是使用所选的编程语言连接和查询数据库。

应用堆栈 >