Google Cloud Datastore：如何查询所有唯一父级/祖先实体？

我之前也碰到过类似的Datastore查询限制问题，咱们一步步拆解解决思路：

为什么你原来的查询行不通？ #

• SELECT DISTINCT User FROM Order：Datastore里的父实体关系是通过实体key的祖先路径维护的，并不是一个名为User的可查询属性。这个查询本质上是在找不存在的属性，自然返回无匹配，索引提示也没用——因为根本没有对应属性的索引。
• SELECT DISTINCT __key__ FROM Order：Datastore的GQL确实不支持对__key__使用DISTINCT或GROUP BY，这是它的语法限制，属于官方明确标注的查询边界。

两种可行的解决方案 #

方案1：新增冗余属性（推荐）

在Order实体里添加一个专门存储父用户标识的属性，比如user_key（存储父User的完整key）或者user_id（存储用户的唯一ID）。之后就可以直接用GQL查询唯一值：

SELECT DISTINCT user_key FROM Order

或者用user_id的版本：

SELECT DISTINCT user_id FROM Order

这个方法查询效率最高，直接利用Datastore的索引能力。新系统直接加属性即可；如果已有旧数据，写个批量任务把所有Order的父key同步到新属性里就行。

方案2：应用端处理去重

如果不想修改实体结构，就只能先拉取所有Order的key，再在应用代码里提取父key并去重。举个Python的示例：

from google.cloud import datastore

client = datastore.Client()
# 只查询key，减少数据传输量
query = client.query(kind='Order')
query.keys_only()

# 获取所有Order的key
order_keys = list(query.fetch())
# 提取父key并去重（集合自动去重）
unique_user_keys = {order_key.parent for order_key in order_keys}

这个方法适合数据量不大的场景，要是Order数量特别多，拉取所有key会占用较多带宽和内存。

小提示 #

Datastore的GQL和传统SQL差异很大，JOIN、对key的聚合这类SQL常用操作都不支持。所以设计实体结构时，提前考虑查询需求，适当增加冗余属性是很常见的优化手段。

内容的提问来源于stack exchange，提问作者Jianxin Gao