azure-cosmosdb - 了解 fold() 及其对 Azure Cosmos DB 中 gremlin 查询成本的影响

Question

我正在尝试了解 Azure Cosmos DB 中的查询成本

我无法弄清楚以下示例中有什么区别以及为什么使用 fold() 会降低成本:

g.V().hasLabel('item').project('itemId', 'id').by('itemId').by('id')

产生以下输出:

[
  {
    "itemId": 14,
    "id": "186de1fb-eaaf-4cc2-b32b-de8d7be289bb"
  },
  {
    "itemId": 5,
    "id": "361753f5-7d18-4a43-bb1d-cea21c489f2e"
  },
  {
    "itemId": 6,
    "id": "1c0840ee-07eb-4a1e-86f3-abba28998cd1"
  },           
....    
  {
    "itemId": 5088,
    "id": "2ed1871d-c0e1-4b38-b5e0-78087a5a75fc"
  }
]

成本为 15642 RU x 0.00008 $/RU = 1.25 $

g.V().hasLabel('item').project('itemId', 'id').by('itemId').by('id').fold()

产生以下输出:

[
  [
    {
      "itemId": 14,
      "id": "186de1fb-eaaf-4cc2-b32b-de8d7be289bb"
    },
    {
      "itemId": 5,
      "id": "361753f5-7d18-4a43-bb1d-cea21c489f2e"
    },
    {
      "itemId": 6,
      "id": "1c0840ee-07eb-4a1e-86f3-abba28998cd1"
    },
...
    {
      "itemId": 5088,
      "id": "2ed1871d-c0e1-4b38-b5e0-78087a5a75fc"
    }
  ]
]

成本为 787 RU x 0.00008$/RU = 0.06$

g.V().hasLabel('item').values('id', 'itemId')

具有以下输出:

[
  "186de1fb-eaaf-4cc2-b32b-de8d7be289bb",
  14,
  "361753f5-7d18-4a43-bb1d-cea21c489f2e",
  5,
  "1c0840ee-07eb-4a1e-86f3-abba28998cd1",
  6,
...
  "2ed1871d-c0e1-4b38-b5e0-78087a5a75fc",
  5088
]

成本:10639 RU x 0.00008 $/RU = 0.85 $

g.V().hasLabel('item').values('id', 'itemId').fold()

具有以下输出:

[
  [
    "186de1fb-eaaf-4cc2-b32b-de8d7be289bb",
    14,
    "361753f5-7d18-4a43-bb1d-cea21c489f2e",
    5,
    "1c0840ee-07eb-4a1e-86f3-abba28998cd1",
    6,
...
    "2ed1871d-c0e1-4b38-b5e0-78087a5a75fc",
    5088
  ]
]

成本为 724.27 RU x 0.00008 $/RU = 0.057$

如您所见，对成本的影响是巨大的。
这只是大约。 3200 个节点，属性很少。

我想了解为什么添加折叠变化如此之大。

Answer 1

我试图重现您的示例，但不幸的是结果相反(Cosmos 中有 500 个顶点):

g.V().hasLabel('test').values('id')

或者

g.V().hasLabel('test').project('id').by('id') 

分别给了
86.08 和 91.44 RU，而相同的查询后跟 fold() 步骤导致 585.06 和
590.43 俄罗斯卢布。

根据 TinkerPop documentation 的说法，我得到的这个结果似乎很好:

There are situations when the traversal stream needs a "barrier" to aggregate all the objects and emit a computation that is a function of the aggregate. The fold()-step (map) is one particular instance of this.

知道 Cosmos 对访问的对象数量和对这些获得的对象进行的计算(在这种特殊情况下为 fold)收取 RU 费用，因此 fold 的成本更高，正如预期的那样。

您可以尝试为您的遍历运行 executionProfile() 步骤，这可以帮助您调查您的案例。当我尝试:

g.V().hasLabel('test').values('id').executionProfile()

我得到了 fold() 的 2 个额外步骤(为简洁起见省略了输出的相同部分)，这个 ProjectAggregation 是结果集从 500 映射到 1 的地方:

 ...
      {
        "name": "ProjectAggregation",
        "time": 165,
        "annotations": {
          "percentTime": 8.2
        },
        "counts": {
          "resultCount": 1
        }
      },
      {
        "name": "QueryDerivedTableOperator",
        "time": 1,
        "annotations": {
          "percentTime": 0.05
        },
        "counts": {
          "resultCount": 1
        }
      }
...