Kasus penggunaan untuk cache pencarian Neptunus

Cache pencarian hanya membantu ketika kueri baca Anda mengembalikan properti dari sejumlah besar simpul dan tepi, atau tiga kali lipat RDF.

Untuk mengoptimalkan kinerja kueri, Amazon Neptunus menggunakan R5d jenis instans untuk membuat cache besar untuk nilai properti atau literal tersebut. Mengambilnya dari cache kemudian jauh lebih cepat daripada mengambilnya dari volume penyimpanan cluster.

Sebagai aturan praktis, hanya bermanfaat untuk mengaktifkan cache pencarian jika ketiga kondisi berikut terpenuhi:

• Anda telah mengamati peningkatan latensi dalam kueri baca.

• Anda juga mengamati penurunan BufferCacheHitRatio CloudWatch metrik saat menjalankan kueri baca (lihatMemantau Neptunus Menggunakan Amazon CloudWatch).

• Kueri baca Anda menghabiskan banyak waktu dalam mematerialisasi nilai kembali sebelum me-render hasilnya (lihat contoh profil Gremlin di bawah ini untuk cara untuk menentukan berapa banyak nilai properti yang sedang dimaterialisasi untuk kueri).

catatan

Fitur ini hanya membantu dalam skenario spesifik yang dijelaskan di atas. Misalnya, cache pencarian tidak membantu kueri agregasi sama sekali. Kecuali Anda menjalankan kueri yang akan mendapat manfaat dari cache pencarian, tidak ada alasan untuk menggunakan tipe R5d instance alih-alih jenis instance yang setara dan lebih murahR5.

Jika Anda menggunakan Gremlin, Anda dapat menilai biaya materialisasi kueri dengan API profile Gremlin. Di bawah “Operasi Indeks', ia menunjukkan jumlah istilah yang termaterialisasi selama eksekusi:

Index Operations
Query execution:
    # of statement index ops: 3
    # of unique statement index ops: 3
    Duplication ratio: 1.0
    # of terms materialized: 5273
Serialization:
    # of statement index ops: 200
    # of unique statement index ops: 140
    Duplication ratio: 1.43
    # of terms materialized: 32693

Jumlah istilah non-numerik yang termaterialisasi berbanding lurus dengan jumlah istilah pencarian yang harus dilakukan Neptune.