如何为Cosmos DB的GROUP BY查询创建高效索引以降低RU消耗

消耗差异原因 #

• 单分区聚合查询的执行效率最优：你拆分的两条SELECT SUM(c.speed) FROM c WHERE c.pk = 'xxx'属于精确匹配单个分区键的查询，会直接路由到对应物理分区，你已经创建的(pk, speed)复合索引可以让聚合逻辑直接下推到存储层完成计算，仅返回最终求和结果，没有额外的数据传输和分组计算开销，因此RU消耗极低。
• IN+GROUP BY查询无法享受下推优化：当前Cosmos DB的查询优化器暂不支持对WHERE pk IN (val1, val2) + GROUP BY pk的逻辑做拆分优化，执行时会拉取所有符合IN条件的索引条目到协调节点，在协调节点完成分组、求和计算，产生了大量的索引扫描、数据传输和内存计算开销，最终RU消耗是单分区查询的数百倍。

优化方案 #

方案1：应用层拆分查询（当前最优） #

直接沿用你测试的拆分逻辑，在应用层把IN列表中的每个分区键拆分为独立的单分区聚合查询，查询完成后自行合并结果即可，该方案可以将RU消耗稳定控制在拆分查询的水平，无需调整现有索引配置。

方案2：预聚合汇总（适合读多写少场景） #

如果该查询是高频访问查询，可以通过Cosmos DB变更Feed监听数据写入/更新事件，预先计算每个pk对应的speed总和，存入专门的汇总文档，查询时直接读取汇总文档，RU消耗可以降到1 RU以下，同时查询延迟也会大幅降低。

方案3：调整查询验证索引命中 #

你现有配置的(pk asc, speed asc)复合索引已经满足GROUP BY pk + SUM(speed)的索引要求，如果必须使用GROUP BY语法，可以通过查询执行指标确认索引是否被命中，若未命中可以尝试调整复合索引的顺序，保证GROUP BY的字段处于复合索引的前缀位置。

内容的提问来源于stack exchange，提问作者Maddnias