何时不使用Azure Cosmos DB批量执行器？
我是应该考虑在Azure Cosmos DB中使用批量执行器来更新/插入5-10个文档，还是最好使用一个循环来逐个插入文档？
共有1个答案
批量操作针对大量文档进行了优化。对于如此低的音量，您可以简单地同时调用它们。
您没有指定您正在使用的语言，但在C#上，您可以简单地将这些5-10个文档创建为列表中的任务并等待它们：
List<Task> operations = new List<Task>();
foreach(MyDocument document in documents)
{
operations.Add(client.CreateDocumentAsync(....));
}
await Task.WhenAll();
对于V3. NET SDK，我们有一个博客，讨论了批量和非批量：https://devblogs.microsoft.com/cosmosdb/introducing-bulk-support-in-the-net-sdk/
-
本文向大家介绍如何执行批量插入?相关面试题，主要包含被问及如何执行批量插入?时的应答技巧和注意事项，需要的朋友参考一下 首先,创建一个简单的 insert 语句: 然后在 java 代码中像下面这样执行批处理插入:
-
我想比较一个函数的不同实现： 我得到的结果是，第一个度量值总是比第二个慢（
-
我们什么时候应该使用Spring boot执行器。如果包括在内，它对应用程序内存和CPU使用有多大影响？ 我目前正在使用Spring Boot 2. x。
-
我是spark streaming的新手，我有一个关于其用法的一般性问题。我目前正在实现一个应用程序，它从一个Kafka主题流式传输数据。 使用应用程序只运行一次批处理是一种常见的场景吗，例如，一天结束，收集主题中的所有数据，做一些聚合和转换等等？ 这意味着在用spark-submit启动应用程序后，所有这些东西将在一批中执行，然后应用程序将被关闭。或者spark stream build是为了在
-
问题内容： 我正在使用MongoDB 3.2和MongoDB Java驱动程序3.2。我有一个包含数百个更新文档的数组，这些文档现在应该保存/存储在MongoDB中。为了做到这一点，我遍历数组，并为该数组中的每个文档调用方法。 现在，我想通过批量更新重新实现此逻辑。我尝试在使用MongoDB Java驱动程序3.2的MongoDB 3.2中找到批量更新的示例。 我尝试了这段代码： 但是，似乎这种方
-
我想用Django更新一个表-类似这样的原始SQL： 我的第一个结果是这样的——但这很恶心，不是吗？ 有没有更优雅的方式？