database - 如何使用循环任务实现数据管道?
问题描述
我必须为我尝试创建的应用程序设置数据管道,但我不知道该怎么做。
我在数据库中有 2 个实体:A 和 B,每个实体 B 都属于一个实体 A。
每分钟,我都会获取许多 B 实体,但缺少一个字段(在每个 B 实体上)。因此,在保存 B 实体之前,我需要在每个实体上计算该字段。给定一个 B 实体和相应的 A 实体,我需要保存属于 A 实体的最后 20 个 B 实体(在数据库中,因此没有丢失的字段)来计算丢失的字段。
每分钟的伪代码是:
- 获取要保存的新 B 实体列表的 http 请求。
- 对于每个 B 实体:
- 读取 B 实体的 A 实体(B 实体有一个字段,其 id 为它们所属的 A 实体)
- 获取保存的 A 实体的最后 20 个 B 实体
- 计算缺失字段并保存 B 实体
数量级:每分钟 20k A 实体、3000 万 B 实体保存和 1k 新 B 实体(这 1k B 实体属于大约 300 个 A 实体)
我认为我可以实现一个缓存系统,为每个 A 实体存储最后 20 个保存的 B 实体,而不是每分钟查询数据库以获取为每个 A 实体保存的最后 20 个 B 实体。
所以我的第一个想法是:
- 使用缓存系统 ( https://dashbird.io/blog/leveraging-lambda-cache-for-serverless-cost-efficiency/ ) 实现 AWS lambda 函数,该系统每分钟执行一次描述的所有逻辑。
- 添加一个每分钟调用 lambda 函数的 CRON。
- 数据存储在 AWS 上的 sql 数据库 (mysql) 中。
由于这是我第一次必须设置数据管道,我注意到我的第一个想法是好的,我有多个问题:
- 你将如何实施它?
- 缓存是个好主意吗?只查询数据库更好吗?
- AWS 是一个不错的选择吗?
- CRON 有 1 分钟的限制,所以我达到了 CRON 的限制......</li>
- 缓存的结构将是一个带有键的字典:实体 A id(20 个字符的字符串)值:20 个数字的列表(20k A 实体,因此 20k 键值对)。在 AWS lambda 函数上构建这样的数据缓存是否有意义?
- 您是否建议我使用数据管道框架或其他技术?
提前感谢您的反馈:)
解决方案
我认为通过创建来查询具有限制和顺序的 RDS 会更容易,并且比使用 lambda 进行缓存更容易。如果负载很大,您可以使用只读副本来处理读取。
关于 Lambda 的 cron 工作,是的,为什么不呢。确保你知道这个 lambda 平均运行多长时间。如果您有专门的容器设置,可能会更便宜、更高效。
不确定所有这些是否真的需要在数据管道中,因为这是一个相当简单的设置。
推荐阅读
- vue.js - 如何在激活开关时启用文本字段?
- swift - 避免快速自动链接框架
- asp.net - 电子邮件主机和 SmtpClient 的问题
- r - 使用 tidyr::gather 在 r 中逐行保留列序列
- algorithm - 简单的停车算法
- javascript - 使用 Slick 或类似的东西将 PHP 图像循环转换为具有延迟加载的 JS
- python - Beautiful Soup 遇到嵌套 HTML 的麻烦
- node.js - 温斯顿以不同的方式格式化信息对象
- perl - 如何使用 UTF-16 在 Perl 中处理宽字符?
- woocommerce - WooCommerce 上的条件优惠券错误消息