无法从Spanner删除大量行

Question

我有3个节点的Spanner实例，以及一个包含约40亿行的表。 DDL看起来像这样：

CREATE TABLE predictions (
    name STRING(MAX),
    ...,
    model_version INT64,
) PRIMARY KEY (name, model_version)

我想设置一个作业，以使用Python Spanner客户端定期从该表中删除一些旧行。我要运行的查询是：

DELETE FROM predictions WHERE model_version <> ? 

根据文档，听起来我需要将其作为Partitioned DML语句执行。我正在按以下方式使用Python Spanner客户端，但由于表中的行数过多，因此出现超时（504 Deadline Exceeded错误）。

# this always throws a "504 Deadline Exceeded" error
database.execute_partitioned_dml(
    "DELETE FROM predictions WHERE model_version <> @version",
    params={"model_version": 104},
    param_types={"model_version": Type(code=INT64)},
)

我的第一个直觉是看我是否可以增加某种超时，但是在the source中没有看到任何超时参数：/

我确实注意到Spanner库中有一个run_in_transaction方法，其中包含一个超时参数，因此我决定偏离DML分区方法，以查看使用此方法是否有效。这是我运行的内容：

def delete_old_rows(transaction, model_version):
    delete_dml = "DELETE FROM predictions WHERE model_version <> {}".format(model_version),
    dml_statements = [
        delete_dml,
    ]
    status, row_counts = transaction.batch_update(dml_statements)


database.run_in_transaction(delete_old_rows,
    model_version=104,
    timeout_secs=3600,
)

关于这一点的奇怪之处是timeout_secs参数似乎被忽略了，因为尽管执行了一个小时的超时，但在执行上述代码的一两分钟内仍然出现504 Deadline Exceeded错误。

无论如何，我不太确定下一步该怎么做，或者我是否不清楚是否有明显的东西可以让我及时在此巨大的Spanner表上运行删除查询。 model_version列的基数非常低（整个表中通常只有2-3个唯一的model_version值），因此我不确定这是否会纳入任何建议中。但是，如果有人可以提供一些意见或建议，那将非常棒:)预先感谢

Answer 1

第一个建议是尝试使用gcloud。

https://cloud.google.com/spanner/docs/modify-gcloud#modifying_data_using_dml

另一个建议是也通过名称范围，以限制扫描的行数。例如，您可以在WHERE子句中添加类似STARTS_WITH（name，'a'）的内容，以确保每个事务都涉及少量的行，但是首先，您需要了解名称列值的域。

最后的建议是尽量避免使用'<>'，因为评估起来通常非常昂贵。

Answer 2

设置timeout_secs无效的原因是，不幸的是，该参数不是事务的超时。它是交易的retry timeout，因此它用于设置截止日期，在该截止日期之前交易将不再重试。

我们将更新run_in_transaction的文档以对此进行更好的解释。