Metodtips för Python SDK i Azure Cosmos DB för NoSQL

Den här guiden innehåller metodtips för lösningar som skapats med den senaste versionen av Python SDK för Azure Cosmos DB för NoSQL. De bästa metoderna som ingår här hjälper till att förbättra svarstiden, förbättra tillgängligheten och öka den övergripande prestandan för dina lösningar.

Kontokonfiguration

Kontokonfigurationsparametrar

from azure.cosmos import CosmosClient
client = CosmosClient(url, credential)
print(client.client_connection._global_endpoint_manager.write_endpoint)
# Expected: write endpoint resolves to configured write region

Mer information om hur du lägger till flera regioner med hjälp av Python SDK finns i självstudien om global distribution.

SDK-användning

SDK-användningsparametrar

client = CosmosClient(
    url,
    credential,
    preferred_locations=["East US", "West US"]
)
print(client.client_connection._preferred_locations)
# Expected: ['East US', 'West US']

Ett tillfälligt fel är ett fel som har en underliggande orsak som snart löser sig själv. Program som ansluter till databasen bör skapas för att förvänta sig dessa tillfälliga fel. För att hantera dem implementerar du logik för återförsök i koden i stället för att visa dem för användare som programfel. SDK:n har inbyggd logik för att hantera dessa tillfälliga fel vid återförsöksbara begäranden som läs- eller frågeåtgärder. SDK:t kan inte försöka igen vid skrivningar för tillfälliga fel eftersom skrivningar inte är idempotenter. SDK ger användarna möjlighet att konfigurera omförsökslogik för hastighetsbegränsningar. För mer information om vilka fel du ska försöka igen på, se vägledning för motståndskraftiga applikationer.

Använd SDK-loggning för att samla in diagnostikinformation och felsöka problem med svarstid.

Asynkron klient

Asynkrona klientkrav

from azure.cosmos.aio import CosmosClient

# Preferred: use async with to manage lifecycle automatically
async with CosmosClient(url, credential) as client:
    database = client.get_database_client("mydb")
    container = database.get_container_client("mycontainer")
    item = await container.read_item(item="id1", partition_key="pk1")

# Alternative: manage lifecycle manually
client = CosmosClient(url, credential)
try:
    database = client.get_database_client("mydb")
    container = database.get_container_client("mycontainer")
    item = await container.read_item(item="id1", partition_key="pk1")
finally:
    await client.close()

När du ska använda async vs sync

Mer information finns i avsnittet Python SDK README async.

Datadesign

Datadesignparametrar

container_properties = {
    "id": "items",
    "indexingPolicy": {
        "excludedPaths": [{"path": "/*"}]
    }
}
print(container_properties["indexingPolicy"])
# Expected: excludedPaths configured

Mer information finns i skapa index med SDK-exemplet.

Värdens egenskaper

Parametrar för värdkarakteristika

items = container.query_items(
    query="SELECT * FROM c",
    max_item_count=500
)
print("Page size set to 500")
# Expected: fewer round trips

Nästa steg

Mer information om prestandatips för Python SDK finns i Prestandatips för Azure Cosmos DB Python SDK.

Mer information om hur du utformar ditt program för skalning och höga prestanda finns i Partitionering och skalning i Azure Cosmos DB.

Försöker du planera kapacitet för en migrering till Azure Cosmos DB? Du kan använda information om ditt befintliga databaskluster för kapacitetsplanering.

• Om allt du vet är antalet virtuella kärnor och servrar i ditt befintliga databaskluster, bör du läsa om hur man uppskattar enheter för förfrågningar med hjälp av virtuella kärnor eller virtuella CPU:er
• Om du känner till vanliga begärandefrekvenser för din aktuella databasarbetsbelastning kan du läsa om beräkning av enheter för begäranden med hjälp av Azure Cosmos DB kapacitetsplanerare