David Eyk's questions

As melhores práticas do DyanmoDB deixam claro que:

Você deve manter o menor número possível de tabelas em um aplicativo do DynamoDB. A maioria dos aplicativos bem projetados requerem apenas uma tabela.

Acho divertido, então, que quase todos os tutoriais que vi lidando com o DyanmoDB têm um design de várias tabelas.

Mas o que isso significa na prática?

Vamos considerar um aplicativo simples com três entidades principais: Usuários, Projetos e Documentos. Um usuário possui vários projetos e um projeto pode ter vários documentos. Normalmente, temos que consultar os projetos de um usuário e os documentos de um projeto. As leituras superam as gravações por uma margem significativa.

O design de tabela de um tutorial ingênuo usaria três tabelas:

Users
Hash key
user-id

Projects
Hash key       Global Index
project-id     user-id

Documents
Hash key       Global Index
document-id    project-id

Poderíamos facilmente entrar em colapso Projecte Documentem uma Documentstabela:

Documents
Hash key    Sort key        Global Index
project-id  document-id     user-id

Mas por que parar por aí? Por que não uma mesa para governar todos eles? Já que o Useré a raiz de tudo...

Users
Hash key    Sort key
user-id     aspect
---------   ---------
foo         user                   email: [email protected] ...
foo         project:1              title: "The Foo Project"
foo         project:1:document:2   document-id: 2     ...

Então teríamos um Índice Global, digamos, no emailcampo para pesquisas de registro do usuário e outro no document-idcampo para pesquisas diretas de documentos.

É assim que deve funcionar? É legítimo lançar tipos de dados tão divergentes na mesma tabela? Ou o segundo design de duas tabelas é uma abordagem melhor?

Em que ponto seria correto adicionar uma segunda tabela?

Acabamos de instalar o monitoramento de desempenho em nosso aplicativo da web e estamos vendo um padrão de pico nos tempos de resposta de nosso servidor Postgres 8.4. Os picos correspondem a uma desaceleração significativa em nosso aplicativo da web. O tempo parece ser consumido em grande parte em "Postgres commit":

Estamos auto-hospedando o Postgres 8.4.3 no Ubuntu 10.04, essencialmente com configurações padrão, em uma instância c1.xlarge do Amazon EC2 com EBS. Sim, eu sei que o Postgres no EBS provavelmente não é a melhor configuração. Planejamos mudar para um banco de dados Postgres mais recente no RDS ainda este ano.

Nesse ínterim, há algo óbvio que eu deva observar que possa domar esse padrão pontiagudo?

Posso estar fazendo a pergunta errada no título. Aqui estão os fatos:

Meu pessoal de atendimento ao cliente tem reclamado dos tempos de resposta lentos ao fazer pesquisas de clientes na interface de administração do nosso site baseado em Django.

Estamos usando o Postgres 8.4.6. Comecei a registrar consultas lentas e descobri este culpado:

SELECT COUNT(*) FROM "auth_user" WHERE UPPER("auth_user"."email"::text) LIKE UPPER(E'%deyk%')

Esta consulta está demorando mais de 32 segundos para ser executada. Aqui está o plano de consulta fornecido pelo EXPLAIN:

QUERY PLAN
Aggregate  (cost=205171.71..205171.72 rows=1 width=0)
  ->  Seq Scan on auth_user  (cost=0.00..205166.46 rows=2096 width=0)
        Filter: (upper((email)::text) ~~ '%DEYK%'::text)

Como esta é uma consulta gerada pelo Django ORM a partir de um Django QuerySet gerado pelo aplicativo Django Admin, não tenho nenhum controle sobre a consulta em si. Um índice parece ser a solução lógica. Eu tentei criar um índice para acelerar isso, mas não fez diferença:

CREATE INDEX auth_user_email_upper ON auth_user USING btree (upper(email::text))

O que estou fazendo errado? Como posso acelerar esta consulta?