Question d'entraînement DP-900
Une entreprise de réseaux sociaux stocke les publications des utilisateurs dans Azure Cosmos DB. Chaque document de publication contient des champs tels que postId, userId, content, timestamp et un tableau de commentaires. Le tableau de commentaires peut devenir volumineux (des centaines par publication), et l'application récupère fréquemment une publication sans ses commentaires pour l'afficher dans un flux. Pour optimiser les performances de lecture et minimiser la consommation d'unités de requête (RU), quelle approche de modélisation des données l'entreprise doit-elle adopter ?
Bonne réponse
- BB. Stocker les commentaires sous forme de documents séparés et les référencer à partir du document de publication via un tableau de commentaires d'ID.
Explication
Stocker les commentaires sous forme de documents séparés maintient le document de publication petit, de sorte que le flux le lit à bas coût, idéalement avec une lecture ponctuelle par id et clé de partition, et ne charge jamais des centaines de commentaires qu'il n'affiche pas. Les commentaires ne sont récupérés que lorsqu'un utilisateur les ouvre. Pour des nombres de commentaires très élevés ou à croissance rapide, stockez le postId sur chaque commentaire au lieu de faire croître une liste d'ID dans la publication, et effectuez une requête par postId.
Pour aller plus loin
Azure Cosmos DB facture les lectures en unités de requête (RU), et le coût de lecture d'un document augmente avec sa taille. Lorsque les commentaires sont intégrés dans la publication, chaque requête de flux lit l'intégralité de la publication, y compris des centaines de commentaires que le flux n'affiche jamais, ce qui gaspille des RU et ralentit les réponses. Les recommandations de modélisation des données de Microsoft tracent la ligne clairement : intégrez des données associées qui sont petites, limitées et généralement lues ensemble ; référencez des données associées qui sont illimitées, grossissent avec le temps ou sont lues indépendamment. Les commentaires sur une publication constituent le cas illimité par excellence. Cosmos DB limite également les éléments à 2 MB, de sorte qu'une publication populaire avec des commentaires intégrés pourrait finissant par échouer à l'enregistrement. Stocker chaque commentaire en tant que document propre maintient la publication petite, de sorte que le flux la récupère à bas coût, idéalement avec une lecture ponctuelle par id et clé de partition, l'opération la moins chère. La référence indexée dans l'option B est un moyen de les lier. Pour de très grands nombres de commentaires, un affinement courant consiste à stocker le postId dans chaque document de commentaire plutôt que de conserver une liste croissante d'ID dans la publication, puis à interroger les commentaires par postId uniquement lorsque l'utilisateur ouvre les commentaires. Placer les commentaires dans le même conteneur avec postId comme clé de partition maintient une publication et ses commentaires ensemble pour des requêtes efficaces. Un conteneur séparé (option A) peut fonctionner mais n'est pas requis. La « partition verticale dans le même document » (option C) n'est pas une fonctionnalité de Cosmos DB. Passer à Azure SQL Database (option D) abandonne le service pour un problème de modélisation que Cosmos DB gère bien. La modélisation de Cosmos DB est dictée par les schémas d'accès, et non par la normalisation pour le plaisir de la normalisation.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement DP-900 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.