Cosmos DB新增单字段索引所需额外存储空间计算相关问题

计算逻辑验证结论 #

你的计算逻辑不完全准确，实际额外存储占用会比你估算的61GB高10%~30%，以下是底层逻辑和具体计算说明：

Cosmos DB单字段索引底层存储内容 #

新增单个字段的索引时，每份文档对应的索引条目会存储4部分内容，并非只有新增字段值+分区键：

• 被索引字段的实际值（你场景中是32字节的字符串，注意如果包含多字节字符，实际字节数会高于字符数）
• 对应文档的分区键值（你假设的50字节字符串，同上述字符编码注意事项）
• 对应文档的id字段值：索引需要映射到具体文档，id是必须存储的定位字段
• 索引元数据开销：包含字段路径标识、索引类型标识、版本标记等固定开销，单条索引条目这部分平均占用8~15字节

实际额外存储空间计算 #

按你给出的参数做标准场景估算（假设所有字符串都是ASCII编码，无多字节字符）：
单条索引条目占用 = 32字节（新增字段值） + 50字节（分区键值） + id字段平均长度占用 + 10字节（元数据平均开销）

注：你之前的计算漏了id字段和元数据开销，这是误差的核心来源

如果你当前的id也是平均长度32字节的字符串，单条索引实际占用约为 32+50+32+10=124字节
750M份文档对应的总新增存储约为 750M * 124字节 ≈ 93GB
如果你的id长度更长、字符串有中文等多字节字符，存储占用会更高，另外Cosmos DB底层存储会做小比例的块对齐和冗余，实际最终占用会在上述计算值的基础上浮动±5%。

操作注意事项 #

• 新增索引属于索引重建操作，过程中会临时占用额外的RU/s，建议在业务低峰期执行，避免影响线上请求
• 如果后续你删除该索引，对应的存储空间会在后台垃圾回收完成后自动释放，无需手动操作
• 若你新增的是复合索引，存储开销会更高，每多一个索引字段就会叠加对应字段值的存储占用

内容的提问来源于stack exchange，提问作者SHIVAM JINDAL