玩转Storage Table 的PartitionKey，RowKey设计
参阅的文章lhttps://docs.microsoft.com/en-us/rest/api/storageservices/fileservices/designing-a-scalable-partitioning-strategy-for-azure-table-storage
lhttps://docs.microsoft.com/en-us/azure/storage/storage-table-design-guide
在设计之前你需要知道的
l对Table Item进行排序时， 对于存储类型是String的字段，“2”大于“111”
l对于Query中的查询条件，只支持“等于”，“不等于”，“大于”“大于等于”“小于”“小于等于”，相比于Sql来说，查询能力还是非常有限的
l一个Partition Server 可以承载多个Partition，同一个Partition一定在同一个Server上
l一个Partition 1秒可以处理500 Entity
l可以考虑使用多个Partition以避免用同一个Partition导致Server的负载过大
l一个EGT要小于100个Storage操作以及小于4M的内容
l一条记录的大小要小于1M
l一个EGT只记做一次操作的花费，并且可以保证操作的一致性，如果有一些操作不能完成，整个EGT会被回滚
lUnique Value的PartitionKey如果增序或降序排列的话被称为Range Partition，可以很好的提高性能
lPartitionKey和RowKey会被加上索引
l一个搜索如果如果不指定PartitionKey，他就会搜索所有Partition，效率会很差
| 除了每一条记录大小要小于1M以外，每个Column的大小也有限制，例如类型为string的Column最大不能超过64K
Storage Table 设计模式
1. 同PartitionKey多RowKey模式
适用场景：需要对同一个Entity中的多个字段进行查询，比如分别就ID和邮箱来查询员工信息
2. 多PartitionKey，多RowKey模式
适用场景：需要对同一个Entity中的多个字段进行查询，和上面不同的是可以就多个Partition进行负载分流
3. 数据同步模式
适用场景：同一个Entity存在于不同的Partition，或者不同的Table，或者不同的数据源（比如Blob里， File System等等），他们之间的数据要保持同步的话，可以借助Storage Queue进行管理
4. 索引模式
适用场景 ：希望根据除PartitionKey和RowKey的其他属性进行查找，又不希望存储过多的重复数据，可以建立额外的Entity，专门映射这种关联关系。比如希望查找所有LastName相同的员工信息
5. 合并数据模式
适用场景：区别于把所需要的数据分别存在两个entity，可以把相关数据融合成一个entity，以减少数据访问的次数，因为Storage Table支持多达256个字段
原先是这样
现在可以改成这样
6. 组合键模式
适用场合 ：只需要一个Query去获得相关的数据
以前是这样 ：
现在是这样：
7. 大规模删除模式
适用场景 ：需要根据时间对历史数据进行删除
如何设计 ：把时间信息作为Table Name，比如YYYYMMTable，如果要删除历史数据，可以直接删除对应的Table即可
8. 数据序列模式
适用场景：对按有限规则生成的RowKey，可以改变属性的设计，使其可以只使用一个Query获得所需数据
以前是这样：如果要统计一天的消息量，要Query 12次
改成这样，只需要Query 1 次
9. 大型Entity模式
适用场景：因为一条Table中的记录的限额是1M，对于比较大的字段，应该把相应内容存储在Blob中，Table中只存储Blob对应记录的地址
10. 分流模式
适用场景 ：因为一个Partition的处理能力是每秒500个Entity，所以我们可以对Partition进行适当的切分，缓解访问压力
11. 日志存储模式
适用场景 ：首先通过PartitionKey进行粗粒度时间分流，缓解存取压力，继而以查询条件开头来设计RowKey，有助于后续查询
页:
[1]