DocumentDb GUID 索引精度

Question

假设我们的文档中有一个非唯一的 GUID/UUID 值：

[
  {
    "id": "123456",
    "Key": "117dfd49-a71d-413b-a9b1-841e88db06e8"
    "Name": "Kaapstad",
  },
  ...
]

我们只想通过相等来查询这个。无需查询范围或排序。例如：

SELECT * FROM c where c.Key = "117dfd49-a71d-413b-a9b1-841e88db06e8"

以下是索引定义。它是一个哈希索引（因为不会执行范围查询），使用 String 数据类型（因为 Javascript 本身不支持 Guid）

collection.IndexingPolicy.IncludedPaths.Add(
    new IncludedPath { 
        Path = "/Key/?", 
        Indexes = new Collection<Index> { 
            new HashIndex(DataType.String) { Precision = -1 }
        }
    });

但是，最佳的索引精度是多少？

This MSDN page 并没有让我清楚什么精度值最适合这样的值：

索引精度配置对字符串范围更有用。自从 字符串可以是任意长度，索引精度的选择 会影响字符串范围查询的性能，并影响 所需的索引存储空间量。字符串范围索引可以是 配置为 1-100 或 -1（“最大值”）。如果你想表演 Order By 对字符串属性的查询，那么您必须指定一个 对应路径的精度为 -1。

Answer 1

您可以根据您希望包含属性键路径的文档数量（在您的示例中恰好是 Key 属性）来微调索引精度值。

散列索引的索引精度表示要将属性值散列到的字节数。因此，降低精度值有助于优化存储索引所需的存储量。提高精度值（在哈希索引的上下文中）有助于防止索引上的哈希冲突。

例如，假设路径 foo 上的哈希索引精度值为 3。

3 字节 = 3 * 8 = 24 位。

24 位可以支持：2^24 = 16,777,216 个值

根据鸽巢原理，当存储 >16,777,216 个具有foo 属性的文档时，您肯定会发生哈希冲突。一旦发生哈希冲突，DocumentDB 将需要对找到的文档子集执行扫描。例如，如果您有 30,000,000 个具有 foo 属性的文档 - 您可以预期平均扫描 2 个文档。