python - 遍历 DynamoDB 表中的所有项目

Question

我正在尝试遍历我的 DynamoDB 表中的所有项目。 (我知道这是一个低效的过程，但我只做一次来构建索引表。)

我了解 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 开始重新查询以获得所有结果。

不幸的是，似乎每次我的函数循环时，整个数据库中的每个键都会被扫描，很快就会耗尽我分配的读取单元。它非常慢。

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

调用函数:

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？

Answer 1

简答

你没有做错什么

长答案

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:

• capacity units == reserved computational units
• capacity units != reserved network transit

好吧，即使严格来说这并不准确，但非常接近，尤其是当涉及到 Scan 时。 .

在 Scan 期间操作上，有根本的区别

• 扫描的项目:累积大小最多 1MB，如果limit 可能小于该大小已经达到了
• 退回商品:扫描商品中的所有匹配商品

作为capacity unit是一个计算单元，您支付扫描的项目。好吧，实际上，您为扫描项目的累积大小付费。请注意，此大小包括所有存储和索引开销... 0.5 capacity / cumulated 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证实这一点。

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检索 100 个项目的容量单位，因为 cumulated size < 2KB