本文說明如何使用 Spanner 鎖定統計資料內建資料表,找出在特定時間範圍內,導致資料庫發生交易鎖定衝突的資料列索引鍵和資料表資料欄。您可以使用 SQL 陳述式,從這些 SPANNER_SYS.LOCK_STATS* 資料表擷取統計資料。
使用樂觀並行控制的交易在執行讀取和查詢時,不會取得鎖定。而是在修訂時取得鎖定,因此這些交易的鎖定統計資料只會包含修訂期間發生的衝突。
存取鎖定統計資料
Spanner 會在 SPANNER_SYS 結構定義中提供鎖定統計資料。您可以透過下列方式存取 SPANNER_SYS 資料:
Google Cloud 控制台中的資料庫 Spanner Studio 頁面
executeSql或executeStreamingSql方法。Spanner 提供的下列單一讀取方法不支援
SPANNER_SYS:- 從資料表中的單一資料列或多個資料列執行強式讀取。
- 從資料表中的單一資料列或多個資料列執行過時讀取。
- 從次要索引中的單一資料列或多個資料列讀取。
依資料列索引鍵鎖定統計資料
下列資料表會追蹤等待時間最長的資料列索引鍵:
SPANNER_SYS.LOCK_STATS_TOP_MINUTE:1 分鐘內鎖定等待時間最長的資料列索引鍵。SPANNER_SYS.LOCK_STATS_TOP_10MINUTE:10 分鐘內鎖定等待時間最長的資料列索引鍵。SPANNER_SYS.LOCK_STATS_TOP_HOUR:1 小時內鎖定等待時間最長的資料列索引鍵
這些資料表具備下列屬性:
每個資料表都包含不重疊的時間間隔資料,長度由資料表名稱指定。
間隔時間以時鐘經過的時間為準。1 分鐘間隔會在每分鐘結束,10 分鐘間隔會在每小時開始後每 10 分鐘結束,1 小時間隔則會在每小時結束。每個間隔結束後,Spanner 會從所有伺服器收集資料,並在不久後將資料提供至 SPANNER_SYS 資料表。
舉例來說,在上午 11:59:30,SQL 查詢的最近可用間隔如下:
- 1 分鐘:上午 11:58:00 至 11:58:59
- 10 分鐘:上午 11:40:00 至 11:49:59
- 1 小時:上午 10:00:00 至 10:59:59
Spanner 會依起始資料列索引鍵範圍將統計資料分組。
每個資料列都包含特定起始資料列索引鍵範圍的總鎖定等待時間統計資料,Spanner 會在指定時間間隔內擷取這些統計資料。
如果 Spanner 無法儲存該時間間隔內,每個資料列索引鍵範圍的鎖定等待資訊,系統會優先處理指定時間間隔內,鎖定等待時間最長的資料列索引鍵範圍。
資料表中的所有資料欄都可以為空值。
資料表結構定義
| 資料欄名稱 | 類型 | 說明 |
|---|---|---|
INTERVAL_END |
TIMESTAMP |
所含鎖定衝突的發生時間範圍結束時間。 |
ROW_RANGE_START_KEY |
BYTES(MAX) |
發生鎖定衝突的資料列索引鍵。如果衝突涉及一系列資料列,這個值代表該範圍的起始鍵。加號 + 代表範圍。
詳情請參閱「什麼是資料列範圍起始索引鍵」。 |
LOCK_WAIT_SECONDS |
FLOAT64 |
資料列索引鍵範圍內所有資料欄記錄的鎖定衝突累計鎖定等待時間,單位為秒。 |
SAMPLE_LOCK_REQUESTS |
ARRAY<STRUCT<
|
這個陣列中的每個項目都對應到一個範例鎖定要求,該要求在指定資料列索引鍵 (範圍) 上等待鎖定,或封鎖其他交易取得鎖定,因而導致鎖定衝突。這個陣列中的樣本數量上限為 20。
每個樣本都包含下列三個欄位:
|
SAMPLE_LOCK_REQUESTS_JSON_STRING |
STRING |
SAMPLE_LOCK_REQUESTS 資料欄的 JSON 相容字串表示法。JSON 字串是 JSON 物件,結構與 SAMPLE_LOCK_REQUESTS 欄中定義的 STRUCT 相同。GoogleSQL 和 PostgreSQL 方言資料庫支援這個資料欄。 |
LOCK_WAIT_DISTRIBUTION |
ARRAY<STRUCT> |
直方圖,顯示資料列索引鍵範圍內記錄的鎖定衝突個別鎖定等待時間。與這些資料表中的其他延遲時間欄不同,這個資料欄中的值是以微秒為單位。如要轉換為秒,請除以 1,000,000。
陣列包含單一元素,且具有下列類型: 如要根據分布情形計算鎖定等待時間百分位數,請使用 |
LOCK_WAIT_DISTRIBUTION_JSON_STRING |
STRING |
GoogleSQL 和 PostgreSQL 方言資料庫支援這個資料欄。 |
鎖定模式
如果 Spanner 作業屬於讀寫交易的一部分,就會取得鎖定。唯讀交易不會取得鎖定。Spanner 會使用不同的鎖定模式,盡可能增加在特定時間存取特定資料儲存格的交易數量。不同鎖具有不同的特性。舉例來說,有些鎖定可以由多個交易共用,有些則不行。
當您嘗試在交易中取得下列其中一種鎖定模式時,可能會發生鎖定衝突。
ReaderShared鎖定:在交易準備好提交之前,其他讀取作業仍可存取資料。讀寫交易讀取資料時,會取得這個共用鎖。WriterShared鎖定:當讀寫交易嘗試提交寫入作業時,就會取得這個鎖定。Exclusive鎖定:如果讀寫交易已取得 ReaderShared 鎖定,並在讀取完成後嘗試寫入資料,就會取得專屬鎖定。專屬鎖定是ReaderShared鎖定的升級版。專屬鎖定是一種特殊情況,即交易同時持有ReaderShared鎖定和WriterShared鎖定。其他交易無法取得相同儲存格的任何鎖定。WriterSharedTimestamp鎖定:一種特殊類型的WriterShared鎖定,在將新資料列插入資料表時取得,該資料表具有修訂版本時間戳記,做為主鍵的一部分。這類鎖定可防止交易參與者建立完全相同的資料列,進而避免彼此衝突。Spanner 會更新插入資料列的索引鍵,以符合執行插入作業的交易修訂時間戳記。
如要進一步瞭解交易類型和可用的鎖定類型,請參閱「交易」。
鎖定模式衝突
下表列出不同鎖定模式之間可能發生的衝突。
| 鎖定模式 | ReaderShared |
WriterShared |
Exclusive |
WriterSharedTimestamp |
|---|---|---|---|---|
ReaderShared |
否 | 是 | 是 | 是 |
WriterShared |
是 | 否 | 是 | 不適用 |
Exclusive |
是 | 是 | 是 | 不適用 |
WriterSharedTimestamp |
是 | 不適用 | 不適用 | 是 |
只有在插入新資料列,且主鍵包含時間戳記時,才會使用 WriterSharedTimestamp 鎖定。寫入現有儲存格或插入沒有時間戳記的新資料列時,會使用 WriterShared 和 Exclusive 鎖定。因此,WriterSharedTimestamp 不會與其他類型的鎖定發生衝突,上表中的這些情境會顯示為「不適用」。
唯一的例外是 ReaderShared,可套用至不存在的資料列,因此可能與 WriterSharedTimestamp 衝突。舉例來說,完整資料表掃描會鎖定整個資料表,即使是尚未建立的資料列也會鎖定,因此 ReaderShared 可能會與 WriterSharedTimestamp 衝突。
什麼是資料列範圍起始索引鍵?
ROW_RANGE_START_KEY 欄會識別複合主鍵,或資料列範圍的起始主鍵,該主鍵有鎖定衝突。以下結構定義用於說明範例。
CREATE TABLE Singers (
SingerId INT64 NOT NULL,
FirstName STRING(1024),
LastName STRING(1024),
SingerInfo BYTES(MAX),
) PRIMARY KEY (SingerId);
CREATE TABLE Albums (
SingerId INT64 NOT NULL,
AlbumId INT64 NOT NULL,
AlbumTitle STRING(MAX),
) PRIMARY KEY (SingerId, AlbumId),
INTERLEAVE IN PARENT Singers ON DELETE CASCADE;
CREATE TABLE Songs (
SingerId INT64 NOT NULL,
AlbumId INT64 NOT NULL,
TrackId INT64 NOT NULL,
SongName STRING(MAX),
) PRIMARY KEY (SingerId, AlbumId, TrackId),
INTERLEAVE IN PARENT Albums ON DELETE CASCADE;
CREATE TABLE Users (
UserId INT64 NOT NULL,
LastAccess TIMESTAMP NOT NULL OPTIONS (allow_commit_timestamp=true),
...
) PRIMARY KEY (UserId, LastAccess);
如下方的資料列索引鍵和資料列索引鍵範圍表格所示,範圍是以索引鍵中的加號「+」表示。在這種情況下,索引鍵代表發生鎖定衝突的索引鍵範圍起始鍵。
| ROW_RANGE_START_KEY | 說明 |
|---|---|
| singers(2) | Singers 資料表,鍵為 SingerId=2 |
| albums(2,1) | Albums 資料表,鍵值 SingerId=2,AlbumId=1 |
| songs(2,1,5) | Songs 資料表,鍵值為 SingerId=2,AlbumId=1,TrackId=5 |
| songs(2,1,5+) | Songs 資料表鍵範圍,從 SingerId=2、AlbumId=1、TrackId=5 開始 |
| albums(2,1+) | Albums 資料表鍵範圍,從 SingerId=2、AlbumId=1 開始 |
| users(3, 2020-11-01 12:34:56.426426+00:00) | 使用者資料表,主鍵 UserId=3,LastAccess=commit_timestamp |
匯總統計資料
SPANNER_SYS 也包含資料表,用於儲存 Spanner 在特定時間範圍內擷取的鎖定統計資料匯總資料:
SPANNER_SYS.LOCK_STATS_TOTAL_MINUTE:1 分鐘間隔內所有鎖定等待的匯總統計資料。SPANNER_SYS.LOCK_STATS_TOTAL_10MINUTE:10 分鐘內所有鎖定等待的匯總統計資料。SPANNER_SYS.LOCK_STATS_TOTAL_HOUR:1 小時內所有鎖定等待的匯總統計資料。
匯總統計資料表具有下列屬性:
每個資料表都包含不重疊的時間間隔資料,長度由資料表名稱指定。
間隔是基於時鐘時間。1 分鐘間隔的結束時間是目前這一分鐘、10 分鐘間隔的結束時間是目前這個小時的每 10 分鐘,而 1 小時間隔的結束時間是目前這個小時。
舉例來說,在上午 11:59:30,SQL 查詢可用的最新匯總鎖定統計資料間隔為:
- 1 分鐘:上午 11:58:00 至 11:58:59
- 10 分鐘:上午 11:40:00 至 11:49:59
- 1 小時:上午 10:00:00 至 10:59:59
每列都包含指定時間間隔內,資料庫中「所有」鎖定等待的統計資料,並匯總在一起。每個時間間隔只有一列。
SPANNER_SYS.LOCK_STATS_TOTAL_*資料表擷取的統計資料,包括 Spanner 未在SPANNER_SYS.LOCK_STATS_TOP_*資料表中擷取的鎖定等待。這些資料表中的部分資料欄會以指標形式,顯示在 Cloud Monitoring 中。公開的指標如下:
- 鎖定等待時間
詳情請參閱「Spanner 指標」。
資料表結構定義
| 資料欄名稱 | 類型 | 說明 |
|---|---|---|
INTERVAL_END |
TIMESTAMP |
鎖定衝突發生時間間隔的結束時間。 |
TOTAL_LOCK_WAIT_SECONDS |
FLOAT64 |
整個資料庫記錄的鎖定衝突總鎖定等待時間,單位為秒。 |
LOCK_WAIT_DISTRIBUTION |
ARRAY<STRUCT> |
直方圖,顯示整個資料庫記錄的鎖定衝突個別鎖定等待時間,單位為微秒,而非秒。結構與 SPANNER_SYS.LOCK_STATS_TOP_* 資料表中的 LOCK_WAIT_DISTRIBUTION 欄相同。PostgreSQL 方言資料庫不支援這個資料欄。請改用 LOCK_WAIT_DISTRIBUTION_JSON_STRING 欄。 |
LOCK_WAIT_DISTRIBUTION_JSON_STRING |
STRING |
LOCK_WAIT_DISTRIBUTION 資料欄的 JSON 相容字串表示法。值以微秒為單位。GoogleSQL 和 PostgreSQL 方言資料庫支援這個資料欄。 |
查詢範例
以下是可用來擷取鎖定統計資料的 SQL 陳述式範例。您可以使用用戶端程式庫、gcloud spanner 或 Google Cloud 控制台執行這些 SQL 陳述式。
列出過去 1 分鐘間隔內的鎖定統計資料
下列查詢會傳回最近 1 分鐘內,每個鎖定衝突資料列索引鍵的鎖定等待資訊,包括鎖定衝突總數的比例。
CAST() 函式會將 row_range_start_key BYTES 欄位轉換為 STRING。
SELECT CAST(s.row_range_start_key AS STRING) AS row_range_start_key,
t.total_lock_wait_seconds,
s.lock_wait_seconds,
s.lock_wait_seconds/t.total_lock_wait_seconds frac_of_total,
s.sample_lock_requests
FROM spanner_sys.lock_stats_total_minute t, spanner_sys.lock_stats_top_minute s
WHERE t.interval_end =
(SELECT MAX(interval_end)
FROM spanner_sys.lock_stats_total_minute)
AND s.interval_end = t.interval_end
ORDER BY s.lock_wait_seconds DESC;
查詢輸出
| row_range_start_key | total_lock_wait_seconds | lock_wait_seconds | frac_of_total | sample_lock_requests |
|---|---|---|---|---|
| Songs(2,1,1) | 2.37 | 1.76 | 0.7426 | LOCK_MODE: ReaderShared COLUMN: Singers.SingerInfo LOCK_MODE: WriterShared COLUMN: Singers.SingerInfo |
| Users(3, 2020-11-01 12:34:56.426426+00:00) | 2.37 | 0.61 | 0.2573 | LOCK_MODE: ReaderShared COLUMN: users._exists1 LOCK_MODE: WriterShared COLUMN: users._exists1 |
1 _exists 是內部欄位,用於檢查特定資料列是否存在。
資料保留
Spanner 至少會保留每個資料表的資料,保留時間範圍如下:
SPANNER_SYS.LOCK_STATS_TOP_MINUTE和SPANNER_SYS.LOCK_STATS_TOTAL_MINUTE:涵蓋過去 6 小時的時間間隔。SPANNER_SYS.LOCK_STATS_TOP_10MINUTE和SPANNER_SYS.LOCK_STATS_TOTAL_10MINUTE:涵蓋前 4 天的時間間隔。SPANNER_SYS.LOCK_STATS_TOP_HOUR和SPANNER_SYS.LOCK_STATS_TOTAL_HOUR:涵蓋過去 30 天的時間間隔。
使用鎖定統計資料,排解資料庫中的鎖定衝突
您可以使用 SQL 或鎖定洞察資訊主頁,查看資料庫中的鎖定衝突。
下列主題說明如何使用 SQL 程式碼調查這類鎖定衝突。
選取要調查的時間範圍
您查看 Spanner 資料庫的延遲時間指標,發現應用程式在某個時間範圍內,延遲時間和 CPU 使用率偏高。例如,問題是在 2020 年 11 月 12 日晚上 10:50 左右開始發生。
判斷所選期間內,交易提交延遲時間是否隨著鎖定等待時間增加
鎖定是由交易取得,因此如果鎖定衝突導致等待時間過長,我們應該會看到交易修訂延遲時間和鎖定等待時間增加。
選好調查的起始時間範圍後,我們會將該時間範圍前後的交易統計資料 TXN_STATS_TOTAL_10MINUTE 與鎖定統計資料 LOCK_STATS_TOTAL_10MINUTE 彙整,瞭解平均修訂版本延遲時間增加,是否是因為鎖定等待時間增加。
SELECT t.interval_end, t.avg_commit_latency_seconds, l.total_lock_wait_seconds
FROM spanner_sys.txn_stats_total_10minute t
LEFT JOIN spanner_sys.lock_stats_total_10minute l
ON t.interval_end = l.interval_end
WHERE
t.interval_end >= "2020-11-12T21:50:00Z"
AND t.interval_end <= "2020-11-12T23:50:00Z"
ORDER BY interval_end;
以下列資料為例,說明查詢傳回的結果。
| interval_end | avg_commit_latency_seconds | total_lock_wait_seconds |
|---|---|---|
| 2020-11-12 21:40:00-07:00 | 0.002 | 0.090 |
| 2020-11-12 21:50:00-07:00 | 0.003 | 0.110 |
| 2020-11-12 22:00:00-07:00 | 0.002 | 0.100 |
| 2020-11-12 22:10:00-07:00 | 0.002 | 0.080 |
| 2020-11-12 22:20:00-07:00 | 0.030 | 0.240 |
| 2020-11-12 22:30:00-07:00 | 0.034 | 0.220 |
| 2020-11-12 22:40:00-07:00 | 0.034 | 0.218 |
| 2020-11-12 22:50:00-07:00 | 3.741 | 780.193 |
| 2020-11-12 23:00:00-07:00 | 0.042 | 0.240 |
| 2020-11-12 23:10:00-07:00 | 0.038 | 0.129 |
| 2020-11-12 23:20:00-07:00 | 0.021 | 0.128 |
| 2020-11-12 23:30:00-07:00 | 0.038 | 0.231 |
上述結果顯示,在 2020-11-12 22:40:00 到 2020-11-12 22:50:00 的同一時間範圍內,avg_commit_latency_seconds 和 total_lock_wait_seconds 顯著增加,之後則下降。請注意,avg_commit_latency_seconds 僅代表提交步驟的平均時間。另一方面,total_lock_wait_seconds 是該期間的「匯總」鎖定時間,因此看起來比交易修訂時間長得多。
我們已確認鎖定等待時間與寫入延遲時間增加密切相關,接下來將調查哪些資料列和資料欄導致等待時間過長。
瞭解在所選期間內,哪些資料列索引鍵和資料欄的鎖定等待時間較長
如要找出在調查期間,哪些資料列索引鍵和資料欄的鎖定等待時間較長,請查詢 LOCK_STAT_TOP_10MINUTE 資料表,其中列出最容易導致鎖定等待的資料列索引鍵和資料欄。
下列查詢中的 CAST() 函式會將 row_range_start_key BYTES 欄位轉換為 STRING。
SELECT CAST(s.row_range_start_key AS STRING) AS row_range_start_key,
t.total_lock_wait_seconds,
s.lock_wait_seconds,
s.lock_wait_seconds/t.total_lock_wait_seconds frac_of_total,
s.sample_lock_requests
FROM spanner_sys.lock_stats_total_10minute t, spanner_sys.lock_stats_top_10minute s
WHERE
t.interval_end = "2020-11-12T22:50:00Z" and s.interval_end = t.interval_end;
| row_range_start_key | total_lock_wait_seconds | lock_wait_seconds | frac_of_total | sample_lock_requests |
|---|---|---|---|---|
| 歌手(32) | 780.193 | 780.193 | 1 | LOCK_MODE: WriterShared COLUMN: Singers.SingerInfo LOCK_MODE: ReaderShared COLUMN: Singers.SingerInfo |
從這個結果表格中,我們可以看到衝突發生在 Singers 資料表,索引鍵為 SingerId=32。Singers.SingerInfo 是 ReaderShared 和 WriterShared 之間發生鎖定衝突的資料欄。
當一項交易嘗試讀取特定儲存格,而另一項交易嘗試寫入同一個儲存格時,就會發生這類常見的衝突。我們現在知道交易爭用鎖定的確切資料儲存格,因此在下一個步驟中,我們將找出爭用鎖定的交易。
找出哪些交易正在存取鎖定狀態衝突涉及的資料欄
如要找出在特定時間間隔內,因鎖定衝突而發生嚴重修訂版本延遲的交易,您需要從 SPANNER_SYS.TXN_STATS_TOTAL_10MINUTE 資料表查詢下列資料欄:
fprintread_columnswrite_constructive_columnsavg_commit_latency_seconds
您需要篩選出從 SPANNER_SYS.LOCK_STATS_TOP_10MINUTE 資料表識別出的鎖定資料欄:
嘗試取得
ReaderShared鎖定時,讀取任何資料欄而發生鎖定衝突的交易。嘗試取得
WriterShared鎖定時,寫入任何發生鎖定衝突的資料欄的交易。
SELECT
fprint,
read_columns,
write_constructive_columns,
avg_commit_latency_seconds
FROM spanner_sys.txn_stats_top_10minute t2
WHERE (
EXISTS (
SELECT * FROM t2.read_columns columns WHERE columns IN (
SELECT DISTINCT(req.COLUMN)
FROM spanner_sys.lock_stats_top_10minute t, t.SAMPLE_LOCK_REQUESTS req
WHERE req.LOCK_MODE = "ReaderShared" AND t.interval_end ="2020-11-12T23:50:00Z"))
OR
EXISTS (
SELECT * FROM t2.write_constructive_columns columns WHERE columns IN (
SELECT DISTINCT(req.COLUMN)
FROM spanner_sys.lock_stats_top_10minute t, t.SAMPLE_LOCK_REQUESTS req
WHERE req.LOCK_MODE = "WriterShared" AND t.interval_end ="2020-11-12T23:50:00Z"))
)
AND t2.interval_end ="2020-11-12T23:50:00Z"
ORDER BY avg_commit_latency_seconds DESC;
查詢結果會依 avg_commit_latency_seconds 欄排序,因此您會先看到修訂版本延遲時間最長的交易。
| fprint | read_columns | write_constructive_columns | avg_commit_latency_seconds |
|---|---|---|---|
| 1866043996151916800 |
['Singers.SingerInfo', 'Singers.FirstName', 'Singers.LastName', 'Singers._exists'] |
['Singers.SingerInfo'] | 4.89 |
| 4168578515815911936 | [] | ['Singers.SingerInfo'] | 3.65 |
查詢結果顯示,有兩筆交易嘗試存取 Singers.SingerInfo 資料欄,而該資料欄在該時間範圍內發生鎖定衝突。找出導致鎖定衝突的交易後,您可以使用交易的指紋 fprint 分析交易,找出導致鎖定衝突的潛在問題。
查看 fprint=1866043996151916800 的交易後,您可以使用 read_columns 和 write_constructive_columns 欄,找出應用程式程式碼的哪個部分觸發了交易。接著,您可以查看未依主鍵 SingerId 篩選的基礎 DML。這會導致完整資料表掃描,並鎖定資料表,直到交易提交為止。
如要解決鎖定衝突,可以採取下列做法:
- 使用唯讀交易找出必要的
SingerId值。 - 使用獨立的讀寫交易,更新必要
SingerId值的資料列。
套用最佳做法,減少鎖定爭用
在範例情境中,我們使用鎖定統計資料和交易統計資料,將問題縮小到更新時未使用資料表主鍵的交易。我們根據是否事先知道要更新的資料列索引鍵,提出改善交易的想法。
在查看解決方案中的潛在問題,或甚至在設計解決方案時,請考量下列最佳做法,減少資料庫中的鎖定衝突數量。
盡可能使用唯讀交易,因為這類交易不會取得任何鎖定。
避免在讀寫交易中執行完整資料表掃描。包括編寫以主鍵為條件的 DML,或在使用 Read API 時指派特定鍵範圍。
在讀寫交易中,讀取資料後盡快提交變更,縮短鎖定時間。讀寫交易可確保資料在讀取後保持不變,直到成功修訂變更為止。為此,交易必須在讀取和修訂期間鎖定資料儲存格。因此,如果能縮短鎖定期間,交易就比較不會發生鎖定衝突。
建議您優先執行小型交易,而非大型交易,或考慮針對長時間執行的 DML 交易使用分區 DML。長時間執行的交易會長時間取得鎖定,因此請考慮將涉及數千個資料列的交易,拆分為多個更新數百個資料列的小型交易。
如果您不需要讀寫交易提供的保證,請避免在提交變更前讀取讀寫交易中的任何資料,例如在個別唯讀交易中讀取資料。大多數鎖定衝突都是因為強大的保證而發生,以確保資料在讀取和修訂之間保持不變。因此,如果讀寫交易不讀取任何資料,就不需要長時間鎖定儲存格。
在讀寫交易中,僅指定所需的最低限度資料欄。Spanner 鎖定是以資料儲存格為單位,因此當讀寫交易讀取過多資料欄時,會取得這些儲存格的
ReaderShared鎖定。當其他交易取得WriterShared鎖定,寫入過多資料欄時,可能會導致鎖定衝突。例如,建議您在讀取時指定一組資料欄,而非*。盡量減少讀寫交易中的 API 呼叫。API 呼叫會受到網路延遲和服務端延遲的影響,因此 API 呼叫的延遲時間可能會導致 Spanner 發生鎖定競爭。建議您盡可能在讀寫交易以外進行 API 呼叫。如果必須在讀寫交易中執行 API 呼叫,請務必監控 API 呼叫的延遲時間,盡可能縮短鎖定取得期間。
遵循結構定義設計最佳做法。
如果寫入偏斜的可能性不會對應用程式造成問題,建議使用可重複讀取隔離層級,並採用預設的開放式並行機制,避免讀寫爭用。詳情請參閱「可重複讀取隔離」。
如果工作負載的讀寫爭用程度較低,建議使用可序列化隔離和樂觀並行控制,避免在交易中取得鎖定,直到提交時間為止,同時強制執行交易的所有讀取在提交時間有效。如要進一步瞭解這個選項是否合適,請參閱「樂觀並行控制」。