Se usó la API de Cloud Translation para traducir esta página.

Recomendaciones sobre SQL

Como se describe en Planes de ejecución de consultas, el compilador de SQL transforma una instrucción de SQL en un plan de ejecución de consultas, que se usa para obtener los resultados de la consulta. En esta página, se describen las prácticas recomendadas para construir instrucciones de SQL que ayuden a Spanner a encontrar planes de ejecución eficientes.

En las instrucciones de SQL de ejemplo que se muestran en esta página, se usa el siguiente esquema de muestra:

GoogleSQL

CREATE TABLE Singers (
 SingerId   INT64 NOT NULL,
 FirstName  STRING(1024),
 LastName   STRING(1024),
 SingerInfo BYTES(MAX),
 BirthDate  DATE
) PRIMARY KEY (SingerId);

CREATE TABLE Albums (
 SingerId     INT64 NOT NULL,
 AlbumId      INT64 NOT NULL,
 AlbumTitle   STRING(MAX),
 ReleaseDate  DATE
) PRIMARY KEY (SingerId, AlbumId),
INTERLEAVE IN PARENT Singers ON DELETE CASCADE;

Para obtener la referencia completa de SQL, consulta Expresiones, funciones y operadores, Estructura léxica y sintaxis y la página sobre la sintaxis de instrucción.

PostgreSQL

CREATE TABLE Singers (
 SingerId   BIGINT PRIMARY KEY,
 FirstName  VARCHAR(1024),
 LastName   VARCHAR(1024),
 SingerInfo BYTEA,
 BirthDate  TIMESTAMPTZ
);

CREATE TABLE Albums (
 SingerId        BIGINT NOT NULL,
 AlbumId         BIGINT NOT NULL,
 AlbumTitle      VARCHAR(1024),
 ReleaseDate     DATE,
 PRIMARY KEY(SingerId, AlbumId),
 FOREIGN KEY (SingerId) REFERENCES Singers(SingerId)
) INTERLEAVE IN PARENT Singers ON DELETE CASCADE;

Para obtener más información, consulta El lenguaje PostgreSQL en Spanner.

Usa parámetros de consulta

Spanner admite parámetros de consulta para aumentar el rendimiento y ayudar y evitan la inyección de SQL cuando las consultas se crean con entradas del usuario. Puedes usar parámetros de consulta como sustitutos de expresiones arbitrarias, pero no como para identificadores, nombres de columnas, nombres de tablas u otras partes de la para cada búsqueda.

Los parámetros pueden aparecer en cualquier lugar donde se espere un valor literal. El mismo nombre de parámetro se puede usar más de una vez en una sola instrucción de SQL.

En resumen, los parámetros de consulta admiten la ejecución de consultas de las siguientes maneras:

Planes previamente optimizados: las consultas que usan parámetros se pueden ejecutar más rápido en cada invocación porque la parametrización hace que sea más fácil para Spanner para almacenar en caché el plan de ejecución
Composición simplificada de la consulta: no es necesario escapar los valores de cadena cuando proporcionarlos en parámetros de consulta. Los parámetros de consulta también reducen el riesgo de errores de sintaxis.
Seguridad: Los parámetros de consulta hacen que tus consultas sean más seguras, ya que te protegen de varios ataques por inyección de SQL. Esta protección es importante en particular para las consultas que creas a partir de las entradas del usuario.

Comprende cómo Spanner ejecuta consultas

Spanner te permite consultar bases de datos mediante instrucciones de SQL declarativas que especifiquen los datos que quieres recuperar. Si quieres entender cómo Spanner obtiene los resultados y examina el plan de ejecución para la consulta. Un plan de ejecución de consultas muestra el costo informático asociado a cada paso de la consulta. Con esos costos, puedes depurar los problemas de rendimiento de las consultas y optimizar tu consulta. Para obtener más información, consulta Planes de ejecución de consultas.

Puedes recuperar planes de ejecución de consultas a través de la consola de Google Cloud o las bibliotecas cliente.

Para obtener un plan de ejecución de consultas para una consulta específica usando la consola de Google Cloud, sigue estos pasos:

Abre la página Instancias de Spanner.

Ir a Instancias de Spanner
Selecciona los nombres de la instancia de Spanner y la base de datos que que deseas consultar.
Haz clic en Spanner Studio en el panel de navegación izquierdo.
Escribe la consulta en el campo de texto y, luego, haz clic en Ejecutar consulta.
Haz clic en Explicación
. En la consola de Google Cloud, se muestra el plan de ejecución de tu consulta.

Para obtener más información sobre cómo entender los planes visuales y usarlos para depurar tus consultas, visita Ajusta una consulta con el visualizador del plan de consultas.

También puedes ver muestras de planes de consultas históricos y comparar el rendimiento de una consulta a lo largo del tiempo para ciertas consultas. Para obtener más información, consulta Planes de consultas muestreados.

Usa índices secundarios

Al igual que otras bases de datos relacionales, Spanner ofrece índices secundarios, que puedes usar para recuperar datos mediante una instrucción de SQL o la interfaz de lectura de Spanner. La forma más común de recuperar datos de un índice es usar Spanner Studio. Usar un índice secundario en una consulta de SQL te permite especificar cómo deseas que Spanner obtenga los resultados. Especificar un índice secundario puede acelerar la ejecución de consultas.

Por ejemplo, supongamos que quieres recuperar los IDs de todos los cantantes con un apellido específico. Se puede escribir una consulta de SQL de este tipo de la siguiente forma:

SELECT s.SingerId
FROM Singers AS s
WHERE s.LastName = 'Smith';

Esta consulta mostrará los resultados que esperas, pero podría tardar mucho tiempo en hacerlo. El tiempo dependerá de la cantidad de filas de la tabla Singers y de cuántas satisfagan el predicado WHERE s.LastName = 'Smith'. Si no hay ningún índice secundario que contenga la columna LastName desde la cual leer, el plan de consulta leerá toda la tabla Singers para encontrar filas que coincidan con el predicado. Leyendo toda la la tabla se denomina análisis completo de la tabla. Un análisis completo de la tabla es una forma costosa de obtener los resultados cuando la tabla solo contiene un pequeño porcentaje de Singers con ese apellido.

Para mejorar el rendimiento de esta consulta, define un índice secundario en la columna de apellido:

CREATE INDEX SingersByLastName ON Singers (LastName);

Dado que el índice secundario SingersByLastName contiene la columna de tabla indexada LastName y la columna de clave primaria SingerId, Spanner puede recuperar todos los datos de la tabla de índice mucho más pequeña en lugar de analizar la tabla Singers completa.

En este caso, Spanner usa automáticamente el rol secundario el índice SingersByLastName cuando se ejecuta la consulta (siempre y cuando se cumplan tres días ya se pasaron desde la creación de la base de datos. ver Nota sobre las nuevas bases de datos). Sin embargo, es mejor le indica explícitamente a Spanner que use ese índice especificando Una directiva de índice en la cláusula FROM:

GoogleSQL

SELECT s.SingerId
FROM Singers@{FORCE_INDEX=SingersByLastName} AS s
WHERE s.LastName = 'Smith';

PostgreSQL

 SELECT s.SingerId
FROM Singers /*@ FORCE_INDEX=SingersByLastName */ AS s
WHERE s.LastName = 'Smith';

Supongamos que también deseas recuperar el nombre del cantante, además del ID. Aunque la columna FirstName no está incluida en el índice, aún debes especificar la directiva de índice como antes:

GoogleSQL

SELECT s.SingerId, s.FirstName
FROM Singers@{FORCE_INDEX=SingersByLastName} AS s
WHERE s.LastName = 'Smith';

PostgreSQL

SELECT s.SingerId, s.FirstName
FROM Singers /*@ FORCE_INDEX=SingersByLastName */ AS s
WHERE s.LastName = 'Smith';

De todas formas, obtienes un beneficio de rendimiento por usar el índice no necesita hacer un análisis completo de la tabla cuando ejecuta el plan de consultas. En su lugar, selecciona el subconjunto de filas que satisfacen el predicado del índice SingersByLastName y, luego, realiza una búsqueda desde la tabla base Singers para recuperar el nombre solo en ese subconjunto de filas.

Si quieres que Spanner no tenga que recuperar filas de la base tabla, puedes almacenar una copia de la columna FirstName en el índice:

GoogleSQL

CREATE INDEX SingersByLastName ON Singers (LastName) STORING (FirstName);

PostgreSQL

CREATE INDEX SingersByLastName ON Singers (LastName) INCLUDE (FirstName);

Usar una cláusula STORING (para el dialecto GoogleSQL) o una cláusula INCLUDE (para el dialecto PostgreSQL), este costo cuesta más almacenamiento, proporciona las siguientes ventajas:

Las consultas de SQL que usan el índice y seleccionan las columnas almacenadas en la cláusula STORING o INCLUDE no requieren una unión adicional para la tabla base.
Las llamadas de operación de lectura que usan el índice pueden leer las columnas almacenadas en la cláusula STORING o INCLUDE.

En los ejemplos anteriores, se ilustra cómo los índices secundarios pueden acelerar las consultas cuando las filas que eligió la cláusula WHERE de una consulta se pueden identificar con rapidez mediante el índice secundario.

Otra situación en la que los índices secundarios pueden ofrecer beneficios de rendimiento es para determinadas consultas que muestran resultados ordenados. Para Por ejemplo, supongamos que quieres recuperar todos los títulos de álbumes y sus fechas de lanzamiento. en orden ascendente por fecha de lanzamiento y orden descendente por título del álbum. Puedes escribir una consulta SQL de la siguiente manera:

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums AS a
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

Sin un índice secundario, esta consulta requiere un paso de clasificación potencialmente costoso en el plan de ejecución. Para acelerar la ejecución de consultas, define este índice secundario:

CREATE INDEX AlbumsByReleaseDateTitleDesc on Albums (ReleaseDate, AlbumTitle DESC);

Luego, vuelve a escribir la consulta para usar el índice secundario:

GoogleSQL

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums@{FORCE_INDEX=AlbumsByReleaseDateTitleDesc} AS a
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

PostgreSQL

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums /*@ FORCE_INDEX=AlbumsByReleaseDateTitleDesc */ AS s
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

Esta definición de índice y consulta cumple con los siguientes criterios:

Para quitar el paso de ordenamiento, asegúrate de que la lista de columnas en la cláusula ORDER BY sea un prefijo de la lista de claves del índice.
Para evitar volver a unirte desde la tabla base para recuperar las columnas faltantes, asegúrate de que el índice abarque todas las columnas de la tabla que usa la consulta.

Aunque los índices secundarios pueden acelerar las consultas comunes, agregar índices secundarios puede agregar latencia a tus operaciones de confirmación, ya que cada índice secundario suele requerir el involucramiento de un nodo adicional en cada confirmación. Para la mayoría de las cargas de trabajo, está bien tener unos pocos índices secundarios. Sin embargo, debes considerar si tienes que preocuparte más por la latencia de lectura o escritura y qué operaciones son más importantes para tu carga de trabajo. Compara tu carga de trabajo para asegurarte de que su rendimiento sea el esperado.

Para obtener la referencia completa de los índices secundarios, consulta la página sobre los índices secundarios.

Optimiza las búsquedas

Algunas consultas de Spanner podrían beneficiarse del uso de un método de procesamiento orientado a lotes cuando se analizan datos en lugar del método de procesamiento orientado a filas más común. Procesar análisis por lotes es una forma más eficiente de procesar grandes volúmenes de datos a la vez y permite que las consultas tengan una latencia y un uso de CPU más bajos.

La operación de análisis de Spanner siempre inicia la ejecución en modo orientado a filas. Durante este tiempo, Spanner recopila varias métricas de tiempo de ejecución. Luego, Spanner aplica un conjunto de heurísticas según el resultado de estas métricas para determinar el modo de análisis óptimo. Cuándo apropiado, Spanner cambia a un modo de procesamiento para ayudar a mejorar la capacidad de procesamiento y el rendimiento de los análisis.

Casos de uso comunes

Por lo general, las consultas con las siguientes características se benefician del uso de Procesamiento orientado por lotes:

Escaneos grandes de datos que se actualizan con poca frecuencia
Análisis con predicados en columnas de ancho fijo.
Exploraciones con grandes recuentos de búsqueda (un salto usa un índice para recuperar registros).

Casos de uso sin mejoras de rendimiento

No todas las consultas se benefician del procesamiento orientado por lotes. La siguiente consulta tipos funcionan mejor con el procesamiento de análisis orientado a filas:

Consultas de búsqueda de puntos: consultas que solo recuperan una fila.
Consultas de análisis pequeñas: análisis de tablas que solo analizan algunas filas, a menos que tengan recuentos de búsqueda grandes.
Consultas que usan LIMIT
Consultas que leen datos de deserción alta: Consultas en las que más del 10% de los datos leídos se actualizan con frecuencia.
Consultas con filas que contienen valores grandes: las filas de valores grandes son aquellas que contenga valores superiores a 32,000 bytes (precompresión) en una sola .

Cómo verificar el método de análisis que usa una consulta

Para verificar si tu consulta usa procesamiento por lotes, orientado a filas o alterna automáticamente entre los dos métodos de análisis:

Ve a la página Instancias de Spanner en la consola de Google Cloud.

Ir a la página Instancias
Haz clic en el nombre de la instancia con la consulta que quieres investigar.
En la tabla Bases de datos, haz clic en la base de datos con la consulta que deseas investigar.
En el menú de navegación, haz clic en Spanner Studio.
Para abrir una pestaña nueva, haz clic en Nueva pestaña del editor de SQL o Nueva pestaña.
Escribe tu consulta cuando aparezca el editor de consultas.
Haz clic en Ejecutar.

Spanner ejecuta la consulta y muestra los resultados.
Haz clic en la pestaña Explicación debajo del editor de consultas.

Spanner muestra un visualizador del plan de ejecución del plan de consultas. Cada tarjeta del gráfico representa un iterador.
Haz clic en la tarjeta del iterador Escaneo de tabla para abrir un panel de información.

El panel de información muestra información contextual sobre el análisis seleccionado. El método de escaneo se muestra en esta tarjeta. Automático indica que Spanner determina el método de análisis. Otros valores posibles son Vectorizado para el procesamiento orientado a lotes y Escalar para el procesamiento orientado a filas.

Cómo aplicar de manera forzosa el método de análisis que usa una consulta

Para optimizar el rendimiento de las consultas, Spanner elige el análisis óptimo método para tu consulta. Te recomendamos que utilices este método de búsqueda predeterminado. Sin embargo, puede haber situaciones en las que desees aplicar un tipo específico de método de análisis.

Cómo aplicar el análisis orientado por lotes

Puedes aplicar el análisis orientado a lotes a nivel de la tabla y de la sentencia.

Para aplicar el método de análisis orientado a lotes a nivel de la tabla, usa una sugerencia de tabla en tu consulta:

GoogleSQL

  SELECT ...
  FROM (t1@{SCAN_METHOD=BATCH} JOIN t2 ON ...)
  WHERE ...

PostgreSQL

  SELECT ...
  FROM (t1/*@ scan_method=batch */ JOIN t2 on ...)
  WHERE ...

Para aplicar el método de análisis orientado por lotes a nivel de declaración, usa un sugerencia de instrucción en tu consulta:

GoogleSQL

  @{SCAN_METHOD=BATCH}
  SELECT ...
  FROM ...
  WHERE ...

PostgreSQL

  /*@ scan_method=batch */
  SELECT ...
  FROM ...
  WHERE ...

Cómo inhabilitar el análisis automático y aplicar de manera forzosa el análisis orientado a filas

Aunque no recomendamos inhabilitar el método de búsqueda automático establecido por Spanner, tal vez decidas inhabilitarla y usar el método de búsqueda orientado a filas para solucionar problemas, como diagnosticar latencia.

Para inhabilitar el método de análisis automático y aplicar el procesamiento de filas a nivel de la tabla, usa una sugerencia de tabla en tu consulta:

GoogleSQL

  SELECT ...
  FROM (t1@{SCAN_METHOD=ROW} JOIN t2 ON ...)
  WHERE ...

PostgreSQL

  SELECT ...
  FROM (t1/*@ scan_method=row */ JOIN t2 on ...)
  WHERE ...

Para inhabilitar el método de análisis automático y aplicar el procesamiento de filas a nivel de la instrucción, usa una sugerencia de instrucción en tu consulta:

GoogleSQL

  @{SCAN_METHOD=ROW}
  SELECT ...
  FROM ...
  WHERE ...

PostgreSQL

  /*@ scan_method=row */
  SELECT ...
  FROM ...
  WHERE ...

Optimiza las búsquedas de claves por rango

Un uso común de una consulta de SQL es leer varias filas de Spanner según una lista de claves conocidas.

Las siguientes prácticas recomendadas te ayudan a escribir consultas eficientes cuando recuperas datos por un rango de claves:

Si la lista de claves es dispersa y no adyacente, usa los parámetros de consulta y UNNEST para construir tu consulta.

Por ejemplo, si tu lista de claves es {1, 5, 1000}, escribe la consulta de la manera siguiente:
GoogleSQL
```
SELECT *
FROM Table AS t
WHERE t.Key IN UNNEST (@KeyList)
```
PostgreSQL
```
SELECT *
FROM Table AS t
WHERE t.Key IN UNNEST ($1)
```
Notas:
- El operador de arreglo UNNEST compacta un arreglo de entrada en filas de elementos.
- El parámetro de consulta, que es @KeyList para GoogleSQL y $1 para PostgreSQL, puede acelerar tu consulta, como se explica en la práctica recomendada anterior.
Si la lista de claves es adyacente y está dentro de un rango, especifica los límites inferior y superior del rango de clave en la cláusula WHERE.

Por ejemplo, si tu lista de claves es {1,2,3,4,5}, construye la consulta de la siguiente manera:
GoogleSQL
```
SELECT *
FROM Table AS t
WHERE t.Key BETWEEN @min AND @max
```
Nota: Aquí, @min y @max son parámetros de consulta que están vinculados a los valores 1 y 5, respectivamente.
PostgreSQL
```
SELECT *
FROM Table AS t
WHERE t.Key BETWEEN $1 AND $2
```
Nota: Aquí, $1 y $2 son parámetros de consulta que están vinculados al valores 1 y 5, respectivamente.
Esta consulta solo es más eficiente si las claves en el rango de claves son adyacente. En otras palabras, si tu lista de claves es {1, 5, 1000}, no especificar los límites inferior y superior, como en la consulta anterior, ya que la consulta resultante analizaría cada valor entre 1 y 1,000.

Optimiza las uniones

Las operaciones de unión pueden ser costosas porque pueden aumentar la cantidad de filas que debe analizar tu consulta, lo que da como resultado y realizar consultas más lentas. Además de las técnicas que sueles usar en otras bases de datos relacionales para optimizar las consultas de unión, estas son algunas prácticas recomendadas para lograr una operación JOIN más eficiente cuando se usa SQL en Spanner:

Si es posible, une los datos de las tablas intercaladas por clave primaria. Por ejemplo:
```
SELECT s.FirstName, a.ReleaseDate
FROM Singers AS s JOIN Albums AS a ON s.SingerId = a.SingerId;
```
Se garantiza que las filas de la tabla intercalada Albums se almacenarán de manera física en las mismas divisiones que la fila superior en Singers, como se explica en Esquema y modelo de datos. Por lo tanto, las uniones se pueden completar de forma local sin enviar muchos datos a través de la red.
Usa la directiva de unión si quieres forzar su orden. Por ejemplo:
GoogleSQL
```
SELECT *
FROM Singers AS s JOIN@{FORCE_JOIN_ORDER=TRUE} Albums AS a
ON s.SingerId = a.Singerid
WHERE s.LastName LIKE '%x%' AND a.AlbumTitle LIKE '%love%';
```
PostgreSQL
```
SELECT *
FROM Singers AS s JOIN/*@ FORCE_JOIN_ORDER=TRUE */ Albums AS a
ON s.SingerId = a.Singerid
WHERE s.LastName LIKE '%x%' AND a.AlbumTitle LIKE '%love%';
```
La directiva de unión FORCE_JOIN_ORDER le indica a Spanner que use el orden de unión especificado en la consulta (es decir, Singers JOIN Albums, no Albums JOIN Singers). Los resultados que se muestran son los mismos, sin importar el orden que elija Spanner. Sin embargo, puedes usar esta directiva de unión si observas en el plan de consulta que Spanner cambió el orden de unión y generó consecuencias no deseadas, como resultados intermedios más grandes o perdió oportunidades para buscar filas.
Usa una directiva de unión para elegir una implementación de unión. Cuando usas SQL para consultar varias tablas, Spanner usa automáticamente un método de unión es probable que la consulta sea más eficiente. Sin embargo, Google te recomienda probar con diferentes algoritmos de unión. Elegir el algoritmo de unión correcto puede mejorar la latencia, el consumo de memoria o ambos. Esta consulta demuestra la sintaxis para usar una directiva JOIN con la sugerencia JOIN_METHOD para elegir Un HASH JOIN:
GoogleSQL
```
SELECT *
FROM Singers s JOIN@{JOIN_METHOD=HASH_JOIN} Albums AS a
ON a.SingerId = a.SingerId
```
PostgreSQL
```
SELECT *
FROM Singers s JOIN/*@ JOIN_METHOD=HASH_JOIN */ Albums AS a
ON a.SingerId = a.SingerId
```
Si usas un HASH JOIN o APPLY JOIN y tienes una cláusula WHERE que es muy selectiva a un lado de tu JOIN, coloca la tabla que produzca el menor número de filas como la tabla primera en la cláusula FROM de la unión. Esta estructura es útil porque, actualmente, en HASH JOIN, Spanner siempre elige la tabla lateral izquierda como compilación y la tabla del lado derecho como sondeo. Del mismo modo, para APPLY JOIN, Spanner elige la tabla del lado izquierdo como externa y la del lado derecho como interior. Obtén más información sobre estos tipos de unión: Unión de hash y Aplica la unión.
Para las consultas que son críticas en tu carga de trabajo, especifica el método de unión más eficaz y el orden de unión en tus instrucciones de SQL para un rendimiento más coherente.

Evita lecturas extensas en las transacciones de lectura y escritura

Las transacciones de lectura y escritura permiten una secuencia de cero o más lecturas o consultas de SQL y pueden incluir un conjunto de mutaciones antes de una llamada para confirmar. Para mantener la coherencia de tus datos, Spanner adquiere bloqueos cuando lee y escribe filas en tus tablas y en los índices. Para para obtener más información sobre el bloqueo, consulta Ciclo de lectura y escritura.

Debido a la forma en la que funciona el bloqueo en Spanner, realizar una consulta de lectura o de SQL que lea una gran cantidad de filas (por ejemplo, SELECT * FROM Singers) significa que ninguna otra transacción puede escribir en las filas leídas hasta que tu transacción se confirme o se anule.

Además, debido a que tu transacción procesa una gran cantidad de filas, es probable que demore más que una transacción que lee un rango de filas mucho más pequeño (por ejemplo, SELECT LastName FROM Singers WHERE SingerId = 7), lo que agrava el problema y reduce la capacidad de procesamiento del sistema.

Por lo tanto, intenta evitar las operaciones de lectura grandes (por ejemplo, los análisis completos de tablas o las operaciones de unión masivas) en tus transacciones, a menos que estés dispuesto a aceptar una capacidad de procesamiento de escritura menor.

En algunos casos, el siguiente patrón puede producir mejores resultados:

Realiza operaciones de lectura grandes dentro de una transacción de solo lectura. Las transacciones de solo lectura permiten una capacidad de procesamiento de agregación mayor porque no usan bloqueos.
Opcional: Realiza cualquier procesamiento necesario en los datos que acabas de leer.
Inicia una transacción de lectura y escritura.
Verifica que los valores de las filas críticas no hayan cambiado desde que realizaste la la transacción de solo lectura del paso 1.
- Si las filas cambiaron, revierte la transacción y comienza de nuevo en el paso 1.
- Si todo sale bien, confirma tus mutaciones.

Una forma de evitar las operaciones de lectura y escritura grandes transacciones es observar los planes de ejecución que generan tus consultas.

Usa la cláusula ORDER BY para garantizar el orden de tus resultados de SQL

Si esperas un orden determinado para los resultados de una consulta SELECT, incluye de manera explícita la cláusula ORDER BY. Por ejemplo, si quieres crear una lista de todos los cantantes en el orden de la clave primaria, usa esta consulta:

SELECT * FROM Singers
ORDER BY SingerId;

Spanner garantiza el orden de los resultados solo si la cláusula ORDER BY está presente en la consulta. En otras palabras, considera esta consulta sin ORDER BY:

SELECT * FROM Singers;

Spanner no garantiza que los resultados de esta consulta estén en orden de la clave primaria. Además, el orden de los resultados puede cambiar en cualquier momento y no se garantiza que sea coherente de una invocación a otra. Si una consulta tiene una cláusula ORDER BY y Spanner usa un índice que proporciona el orden requerido, Spanner no ordena los datos de forma explícita. Por lo tanto, no te preocupes por el impacto en el rendimiento de incluir esta cláusula. Puedes verificar si se incluye una operación de ordenamiento explícita en la ejecución mirando el plan de consulta.

Usar STARTS_WITH en lugar de LIKE

Dado que Spanner no evalúa los patrones LIKE con parámetros hasta el momento de la ejecución, Spanner debe leer todas las filas y evaluarlas con la expresión LIKE para filtrar las filas que no coinciden.

Cuando un patrón LIKE tiene la forma foo% (por ejemplo, comienza con una cadena fija y termina con un solo comodín porcentual) y la columna está indexada, usa STARTS_WITH en lugar de LIKE. Esta permite que Spanner optimice de manera más eficaz la ejecución de las consultas de recuperación ante desastres.

No se recomienda lo siguiente:

GoogleSQL

SELECT a.AlbumTitle FROM Albums a
WHERE a.AlbumTitle LIKE @like_clause;

PostgreSQL

SELECT a.AlbumTitle FROM Albums a
WHERE a.AlbumTitle LIKE $1;

Recomendado:

GoogleSQL

SELECT a.AlbumTitle FROM Albums a
WHERE STARTS_WITH(a.AlbumTitle, @prefix);

PostgreSQL

SELECT a.AlbumTitle FROM Albums a
WHERE STARTS_WITH(a.AlbumTitle, $2);

Usa marcas de tiempo de confirmación

Si tu aplicación necesita consultar datos escritos después de una hora en particular, agrega columnas de marca de tiempo de confirmación a las tablas relevantes. Confirmar marcas de tiempo habilitar una optimización de Spanner para reducir la E/S de consultas cuyas cláusulas WHERE restringen los resultados a las filas escritas más recientemente. que un tiempo específico.

Obtenga más información sobre esta optimización con bases de datos de dialectos de GoogleSQL o con Bases de datos de dialectos de PostgreSQL.