我正在尝试遍历DynamoDB表中的所有项目. (我知道这是一个效率低下的过程,但我这样做是为了构建一个索引表.)
据我所知,DynamoDB的scan()函数返回1MB或提供的限制中的较小者.为了弥补这一点,我编写了一个函数来查找“LastEvaluatedKey”结果,并从LastEvaluatedKey开始重新查询以获取所有结果.
不幸的是,似乎每次我的函数循环,整个数据库中的每一个键都被扫描,快速耗尽我分配的读取单位.这非常慢.
这是我的代码:
def search(table,scan_filter=None,range_key=None,attributes_to_get=None,limit=None):
""" Scan a database for values and return
a dict.
"""
start_key = None
num_results = 0
total_results = []
loop_iterations = 0
request_limit = limit
while num_results < limit:
results = self.conn.layer1.scan(table_name=table,attributes_to_get=attributes_to_get,exclusive_start_key=start_key,limit=request_limit)
num_results = num_results + len(results['Items'])
start_key = results['LastEvaluatedKey']
total_results = total_results + results['Items']
loop_iterations = loop_iterations + 1
request_limit = request_limit - results['Count']
print "Count: " + str(results['Count'])
print "Scanned Count: " + str(results['ScannedCount'])
print "Last Evaluated Key: " + str(results['LastEvaluatedKey']['HashKeyElement']['S'])
print "Capacity: " + str(results['ConsumedCapacityUnits'])
print "Loop Iterations: " + str(loop_iterations)
return total_results
db = DB()
results = db.search(table='media',limit=500,attributes_to_get=['id'])
我的输出:
Count: 96
Scanned Count: 96
Last Evaluated Key: kBR23QJNAwYZZxF4E3N1crQuaTwjIeFfjIv8NyimI9o
Capacity: 517.5
Loop Iterations: 1
Count: 109
Scanned Count: 109
Last Evaluated Key: ATcJFKfY62NIjTYY24Z95Bd7xgeA1PLXAw3gH0KvUjY
Capacity: 516.5
Loop Iterations: 2
Count: 104
Scanned Count: 104
Last Evaluated Key: Lm3nHyW1KMXtMXNtOSpAi654DSpdwV7dnzezAxApAJg
Capacity: 516.0
Loop Iterations: 3
Count: 104
Scanned Count: 104
Last Evaluated Key: iirRBTPv9xDcqUVOAbntrmYB0PDRmn5MCDxdA6Nlpds
Capacity: 513.0
Loop Iterations: 4
Count: 100
Scanned Count: 100
Last Evaluated Key: nBUc1LHlPPELGifGuTSqPNfBxF9umymKjCCp7A7XWXY
Capacity: 516.5
Loop Iterations: 5
这是预期的行为吗?或者,我做错了什么?
最佳答案
简短的回答
你没有做错任何事
答案很长
这与亚马逊计算容量单位的方式密切相关.首先,了解以下内容非常重要:
>容量单位==保留计算单位
>容量单位!=保留网络传输
好吧,即使这并不是严格来说确切但非常接近,尤其是涉及到扫描时.
在扫描操作期间,存在根本区别
>扫描项目:累计大小最多为1MB,如果已达到限制,可能低于该大小
>返回项目:已扫描项目中的所有匹配项目
由于容量单位是计算单位,您需要为扫描的项目付费.实际上,您需要支付扫描项目的累积大小.请注意,此大小包括所有存储和索引开销… 0.5容量/累积KB
扫描的大小不依赖于任何过滤器,无论是字段选择器还是结果过滤器.
根据您的结果,我猜您的项目每个需要大约10KB,您对其实际有效负载大小的评论往往会得到确认.
另一个例子
我有一个测试表,其中只包含非常小的元素.扫描仅消耗1.0容量单位以检索100个项目,因为累计大小< 2KB