ndb与一致性：为什么在没有父项的查询中会出现这种行为

Question

我正在用Python和ndb做一些工作，但有些地方我搞不懂。下面我会贴出一些案例和代码：

models.py

class Reference(ndb.Model):
  kind = ndb.StringProperty(required=True)
  created_at = ndb.DateTimeProperty(auto_now_add=True)
  some_id = ndb.StringProperty(indexed=True)
  data = ndb.JsonProperty(default={})

这些测试是在交互式控制台中运行的，并且使用了dev_appserver.py的--high_replication选项：

测试 1

from models import Reference
from google.appengine.ext import ndb
import random

some_id = str(random.randint(1, 100000000000000))
key_id = str(random.randint(1, 100000000000000))

Reference(id=key_id, some_id=some_id, kind='user').put()
print Reference.query(Reference.some_id == some_id, Reference.kind == 'user').get()

# output:
# >> None

为什么会这样？？？？现在，让我们在打印之前加一个sleep(1)：

测试 2

from models import Reference
from google.appengine.ext import ndb
import random
from time import sleep

some_id = str(random.randint(1, 100000000000000))
key_id = str(random.randint(1, 100000000000000))

Reference(id=key_id, some_id=some_id, kind='user').put()
sleep(1)
print Reference.query(Reference.some_id == some_id, Reference.kind == 'user').get()

# output:
# >> Reference(key=Key('Reference', '99579233467078'), createdAt=datetime.datetime(2013, 1, 31, 16, 24, 46, 383100), data={}, kind=u'user', some_id=u'25000975872388')

好吧，假设这是在模拟将文档传播到所有Google的表格的时间，我当然不会在我的代码里加sleep。现在，让我们去掉sleep，添加一个父级！

测试 3

from models import Reference
from google.appengine.ext import ndb
import random
from time import sleep

some_id = str(random.randint(1, 100000000000000))
key_id = str(random.randint(1, 100000000000000))

Reference(id='father', kind='father').put()

Reference(parent=ndb.Key(Reference, 'father'), id=key_id, some_id_id=some_id, kind='user').put()
print Reference.query(Reference.some_id == some_id, Reference.kind == 'user', ancestor=ndb.Key(Reference, 'father')).get()

# output:
# >> Reference(key=Key('Reference', '46174672092602'), createdAt=datetime.datetime(2013, 1, 31, 16, 24, 46, 383100), data={}, kind=u'user', some_id=u'55143106000841')

这真让人困惑！只要设置一个父级就能给我强一致性！为什么呢？如果这是为了提供强一致性，为什么在插入数据时，所有文档默认不都用同一个父级呢？也许我完全搞错了，可能有更好的方法。请，有人能指导我一下吗！

提前谢谢大家

Answer 1

祖先查询是在同一个实体组内进行的（所以它们物理上很接近），并且是强一致的。

在测试1中，由于HRD是分布式的，所以它可能看不到put()的结果，因为它是最终一致的。

在测试2中，HRD有足够的时间变得一致，所以你在查询中能看到这个实体。

在测试3中，你把它放在同一个实体组里，所以它是强一致的。

问: 为什么不把所有东西都放在同一个实体组里？
答: GAE不能把一个巨大的数据集分布到多个服务器上，除非有很多实体组（这样它们才能分散到很多不同的服务器上）。实体组应该尽可能大，但不要超过这个大小（G有时会举例说把用户的“消息”放在用户对象下）。另外，由于写入实体组中的某个成员会锁定整个组，所以你会面临写入速度的限制（如果我没记错的话，大约是每秒1次写入，Alfred有相关的讲座）。

问: 我的get()没有获取到对象，这不是应该的吗？
答: 不是的，只有通过键获取的get()是强一致的，你使用的query().get()其实只是LIMIT 1的简写。