Początkowe ładowanie 10 TB danych do Bigtable dla funkcji ML wykazuje nieoptymalną wydajność odczytu/zapisu. Chcesz poprawić przepustowość przy jednoczesnej minimalizacji kosztów. Co należy zrobić?

Prawidłowa odpowiedź to zredefiniowanie schematu, aby odczyty i zapisy były równomiernie rozłożone w przestrzeni kluczy wierszy tabeli. Bigtable skaluje się najlepiej, gdy obciążenie jest rozłożone na wiele węzłów. Nierównomierne rozłożenie kluczy wierszy prowadzi do "gorących" punktów (hotspotów), gdzie jeden węzeł jest przeciążony, podczas gdy inne są bezczynne, co obniża wydajność. Zapewnienie równomiernego rozłożenia kluczy wierszy maksymalizuje wykorzystanie zasobów klastra i poprawia przepustowość. Zwiększanie rozmiaru klastra Bigtable w czasie może tymczasowo pomóc, ale nie rozwiązuje podstawowego problemu nieoptymalnego schematu i jest droższe. Użycie pojedynczego "gorącego" klucza wiersza dla często aktualizowanych wartości jest anty-wzorcem (anti-pattern) i drastycznie obniży wydajność, ponieważ wszystkie operacje będą kierowane do jednego węzła. Użycie sekwencyjnych numerycznych kluczy wierszy również prowadzi do "gorących" punktów, ponieważ wszystkie nowe zapisy będą trafiać do tego samego regionu tabeli, przeciążając jeden węzeł.