GSP1050

總覽

Cloud Spanner 是 Google 全代管、可水平擴充的關聯式資料庫服務。金融服務、遊戲、零售業和許多其他產業的客戶都信任 Cloud Spanner，會使用這項服務執行最嚴苛的工作負載，確保大規模作業的一致性和可用性。

在本實驗室中，您將回顧 Cloud Spanner 的結構定義相關功能，並將這些功能套用至銀行作業資料庫。另外，您也將回顧 Cloud Spanner 建立查詢計畫的方法和規則。

學習內容

在本實驗室中，您將瞭解如何修改 Cloud Spanner 執行個體的結構定義相關屬性。

• 將資料載入資料表
• 使用預先定義的 Python 用戶端程式庫程式碼載入資料
• 以用戶端程式庫查詢資料
• 更新資料庫結構定義
• 新增次要索引
• 檢查查詢計畫

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

啟動 Cloud Shell

Cloud Shell 是搭載多項開發工具的虛擬機器，提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權，方便您使用 Google Cloud 資源。

1. 點按 Google Cloud 控制台頂端的「啟用 Cloud Shell」圖示 。

2. 系統顯示視窗時，請按照下列步驟操作：

   • 繼續操作 Cloud Shell 視窗。
   • 授權 Cloud Shell 使用您的憑證發出 Google Cloud API 呼叫。

連線建立完成即代表已通過驗證，而且專案已設為您的 Project_ID：。輸出內容中有一行文字，宣告本工作階段的 Project_ID：

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

gcloud 是 Google Cloud 的指令列工具，已預先安裝於 Cloud Shell，並支援 Tab 鍵自動完成功能。

3. (選用) 您可以執行下列指令來列出使用中的帳戶：

gcloud auth list

4. 點按「授權」。

輸出內容：

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. (選用) 您可以使用下列指令來列出專案 ID：

gcloud config list project

輸出內容：

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} 注意：如需 gcloud 的完整說明，請前往 Google Cloud 參閱 gcloud CLI 總覽指南。

Cloud Spanner 執行個體

為了方便您更快完成本實驗室，系統已自動為您建立 Cloud Spanner 執行個體、資料庫和資料表。

以下列出詳細資料供您參考：

項目	名稱	詳細資料
Cloud Spanner 執行個體	banking-ops-instance	這是專案層級執行個體
Cloud Spanner 資料庫	banking-ops-db	這是執行個體專屬資料庫
資料表	Portfolio	包含頂層銀行服務
資料表	Category	包含第二層銀行服務分組
資料表	Product	包含具體銀行服務明細項目
資料表	Campaigns	包含行銷計畫的詳細資料

工作 1：將資料載入資料表

banking-ops-db 資料庫已建立，但資料表為空白。請按照下列步驟，將資料載入 Portfolio、Category 和 Product 這三個資料表。

1. 開啟 Cloud 控制台導覽選單 () >「查看所有產品」，然後在「資料庫」下方點選「Spanner」。

2. 執行個體名稱為 banking-ops-instance，點選該名稱即可探索資料庫。

3. 相關資料庫名稱為 banking-ops-db。點按該名稱，然後向下捲動至「資料表」，即可看到已建立的四份資料表。

4. 點選控制台左窗格中的「Spanner Studio」，接著點選右窗格中的「+ 開啟新的 SQL 編輯器分頁」按鈕。

5. 系統會將您導向「查詢」頁面。貼上以下 INSERT 陳述式做為單一區塊，載入 Portfolio 資料表。Spanner 將接連執行各個陳述式。請點選「執行」：

insert into Portfolio (PortfolioId, Name, ShortName, PortfolioInfo) values (1, "Banking", "Bnkg", "All Banking Business"); insert into Portfolio (PortfolioId, Name, ShortName, PortfolioInfo) values (2, "Asset Growth", "AsstGrwth", "All Asset Focused Products"); insert into Portfolio (PortfolioId, Name, ShortName, PortfolioInfo) values (3, "Insurance", "Ins", "All Insurance Focused Products");

6. 螢幕頁面下方會顯示逐一插入資料列的結果，插入的各個資料列也會顯示綠色勾號。Portfolio 資料表現在會有三列資料。

7. 點按頁面頂端的「清除」。

8. 貼上以下 INSERT 陳述式做為單一區塊，載入 Category 資料表。接著點選「執行」：

insert into Category (CategoryId,PortfolioId,CategoryName) values (1,1,"Cash"); insert into Category (CategoryId,PortfolioId,CategoryName) values (2,2,"Investments - Short Return"); insert into Category (CategoryId,PortfolioId,CategoryName) values (3,2,"Annuities"); insert into Category (CategoryId,PortfolioId,CategoryName) values (4,3,"Life Insurance");

9. 螢幕頁面下方會顯示逐一插入資料列的結果，插入的各個資料列也會顯示綠色勾號。Category 資料表現在會有四列資料。

10. 點按頁面頂端的「清除」。

11. 貼上以下 INSERT 陳述式做為單一區塊，載入 Product 資料表。接著點選「執行」：

insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (1,1,1,"Checking Account","ChkAcct","Banking LOB"); insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (2,2,2,"Mutual Fund Consumer Goods","MFundCG","Investment LOB"); insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (3,3,2,"Annuity Early Retirement","AnnuFixed","Investment LOB"); insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (4,4,3,"Term Life Insurance","TermLife","Insurance LOB"); insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (5,1,1,"Savings Account","SavAcct","Banking LOB"); insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (6,1,1,"Personal Loan","PersLn","Banking LOB"); insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (7,1,1,"Auto Loan","AutLn","Banking LOB"); insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (8,4,3,"Permanent Life Insurance","PermLife","Insurance LOB"); insert into Product (ProductId,CategoryId,PortfolioId,ProductName,ProductAssetCode,ProductClass) values (9,2,2,"US Savings Bonds","USSavBond","Investment LOB");

12. 螢幕頁面下方會顯示逐一插入資料列的結果，插入的各個資料列也會顯示綠色勾號。Product 資料表現在會有九列資料。

13. 點選「Check my progress」確認目標已達成。

將資料載入 Portfolio、Category 和 Product 資料表

工作 2：使用預先建構的 Python 用戶端程式庫程式碼載入資料

您將使用以 Python 編寫的用戶端程式庫，完成接下來的幾個步驟。

1. 開啟 Cloud Shell 並貼上以下指令，即可建立並更改為新目錄，以存放所需檔案。

mkdir python-helper cd python-helper

2. 接著下載兩個檔案。其中一個會用於設定環境，另一個則是實驗室程式碼。

wget https://storage.googleapis.com/cloud-training/OCBL373/requirements.txt wget https://storage.googleapis.com/cloud-training/OCBL373/snippets.py

3. 建立獨立的 Python 環境，並安裝 Cloud Spanner 用戶端依附元件。

pip install -r requirements.txt pip install setuptools

4. snippets.py 為整合式檔案，其中包含多個您將在本實驗室用到的 Cloud Spanner DDL、DML 和 DCL 輔助函式。請使用 insert_data 引數執行 snippets.py，將資料載入 Campaigns 資料表。

python snippets.py banking-ops-instance --database-id banking-ops-db insert_data

5. 點選「Check my progress」確認目標已達成。

將資料載入 Campaigns 資料表

工作 3：以用戶端程式庫查詢資料

snippets.py 中的 query_data() 函式可用來查詢資料庫。在本例中，您將使用這個函式確認資料已載入 Campaigns 資料表。您不會變更任何程式碼，以下顯示該區段供您參考。

def query_data(instance_id, database_id): """使用 SQL 在資料庫中查詢範例資料。""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) with database.snapshot() as snapshot: results = snapshot.execute_sql( "SELECT CampaignId,PortfolioId,CampaignStartDate,CampaignEndDate,CampaignName,CampaignBudget FROM Campaigns" ) for row in results: print(u"CampaignId: {}, PortfolioId: {}, CampaignStartDate: {}, CampaignEndDate: {}, CampaignName: {}, CampaignBudget: {}".format(*row))

1. 使用 query_data 引數執行 snippets.py，來查詢 Campaigns 資料表。

python snippets.py banking-ops-instance --database-id banking-ops-db query_data

結果應大致如下：

CampaignId: 1, PortfolioId: 1, CampaignStartDate: 2022-06-07, CampaignEndDate: 2022-06-07, CampaignName: New Account Reward, CampaignBudget: 15000 CampaignId: 2, PortfolioId: 2, CampaignStartDate: 2022-06-07, CampaignEndDate: 2022-06-07, CampaignName: Intro to Investments, CampaignBudget: 5000 CampaignId: 3, PortfolioId: 2, CampaignStartDate: 2022-06-07, CampaignEndDate: 2022-06-07, CampaignName: Youth Checking Accounts, CampaignBudget: 25000 CampaignId: 4, PortfolioId: 3, CampaignStartDate: 2022-06-07, CampaignEndDate: 2022-06-07, CampaignName: Protect Your Family, CampaignBudget: 10000

工作 4：更新資料庫結構定義

身為資料庫管理員，您須負責在 Category 資料表新增 MarketingBudget 的資料欄。不過，您須更新資料庫結構定義，才能在現有資料表新增資料欄。Cloud Spanner 可支援更新資料庫結構定義，同時讓資料庫持續處理流量。結構定義更新作業不需要讓資料庫離線，也不會鎖定整個資料表或資料欄；您可以在結構定義更新期間，持續將資料寫入資料庫。

使用 Python 新增資料欄

您將透過 Database 類別的 update_ddl() 方法修改結構定義。

使用 snippets.py 中的 add_column() 函式，即可實作該方法。您不會變更任何程式碼，以下顯示該區段供您參考。

def add_column(instance_id, database_id): """在範例資料庫中的 Albums 資料表新增一個資料欄。""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) operation = database.update_ddl( ["ALTER TABLE Category ADD COLUMN MarketingBudget INT64"] ) print("正在等待作業完成…") operation.result(OPERATION_TIMEOUT_SECONDS) print("已新增 MarketingBudget 資料欄。")

1. 使用 add_column 引數執行 snippets.py。

python snippets.py banking-ops-instance --database-id banking-ops-db add_column

2. 點選「Check my progress」確認目標已達成。

在 Category 資料表新增資料欄

您還可以透過以下其他方法，在現有資料表中新增資料欄：

透過 gcloud CLI 發出 DDL 指令。

注意：這裡舉例示範的方法為備用選項，請勿發出這個指令。

下方的程式碼範例會完成您剛才透過 Python 執行的工作。

gcloud spanner databases ddl update banking-ops-db --instance=banking-ops-instance --ddl='ALTER TABLE Category ADD COLUMN MarketingBudget INT64;'

在 Cloud 控制台發出 DDL 指令。

注意：這裡舉例示範的方法為備用選項，請勿執行這項操作。

1. 在資料庫清單中點選資料表名稱。
2. 點選頁面右上角的「寫入 DDL」。
3. 將適當的 DDL 貼入「DDL 範本」方塊。
4. 點選「提交」。

將資料寫入新資料欄

以下程式碼會將資料寫入新資料欄，在 CategoryId 和 PortfolioId 皆為 1 的資料列，以及 CategoryId 為 3 且 PortfolioId 為 2 的資料列，將 MarketingBudget 分別設為 100000、500000。您不會變更任何程式碼，以下顯示該區段供您參考。

def update_data(instance_id, database_id): """更新資料庫中的範例資料。 這會更新「MarketingBudget」資料欄，因此必須先建立該資料欄，才能執行執行這個範例。 您可以執行「add_column」範例或對資料庫執行這個 DDL 陳述式， 來新增資料欄 """ spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) with database.batch() as batch: batch.update( table="Category", columns=("CategoryId", "PortfolioId", "MarketingBudget"), values=[(1, 1, 100000), (3, 2, 500000)], ) print("Updated data.")

1. 使用 update_data 引數執行 snippets.py。

python snippets.py banking-ops-instance --database-id banking-ops-db update_data

2. 再次查詢資料表，即可查看更新內容。請使用 query_data_with_new_column 引數執行 snippets.py。

python snippets.py banking-ops-instance --database-id banking-ops-db query_data_with_new_column

結果應為：

CategoryId: 1, PortfolioId: 1, MarketingBudget: 100000 CategoryId: 2, PortfolioId: 2, MarketingBudget: None CategoryId: 3, PortfolioId: 2, MarketingBudget: 500000 CategoryId: 4, PortfolioId: 3, MarketingBudget: None

工作 5：新增次要索引

假設您要擷取 CategoryNames 值在特定範圍內的所有 Categories 資料列，您可以先使用 SQL 陳述式或讀取呼叫，來讀取 CategoryName 資料欄的所有值，然後捨棄條件不符的資料列。不過，掃描完整資料表的費用高昂，資料表內含大量資料列時更是如此。因此您可以改為在資料表建立次要索引，這樣一來，將非主鍵資料欄做為搜尋條件時，就能加快資料列的擷取速度。

您必須先更新結構定義，才能在現有資料表新增次要索引。如同其他結構定義更新作業，Cloud Spanner 可支援新增索引，同時讓資料庫持續處理流量。Cloud Spanner 的具體做法是將資料填入索引，也稱為「補充作業」。補充作業可能需要幾分鐘才能完成，在這個過程中，您不需將資料庫設為離線，可照常執行特定資料表或資料欄的寫入作業。

使用 Python 用戶端程式庫，新增次要索引

使用 add_index() 方法建立次要索引。您不會變更任何程式碼，以下顯示該區段供您參考。

def add_index(instance_id, database_id): """在範例資料庫新增簡單的索引。""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) operation = database.update_ddl( ["CREATE INDEX CategoryByCategoryName ON Category(CategoryName)"] ) print("正在等待作業完成…") operation.result(OPERATION_TIMEOUT_SECONDS) print("已新增 CategoryByCategoryName 索引。")

1. 使用 add_index 引數執行 snippets.py。

python snippets.py banking-ops-instance --database-id banking-ops-db add_index

2. 點選「Check my progress」確認目標已達成。

在 Category 資料表新增次要索引

使用索引讀取資料

叫用 read() 方法的變化版本並加入索引，即可使用索引讀取資料。您不會變更任何程式碼，以下顯示該區段供您參考。

def read_data_with_index(instance_id, database_id): """使用索引讀取資料庫的範例資料。 """ spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) with database.snapshot() as snapshot: keyset = spanner.KeySet(all_=True) results = snapshot.read( table="Category", columns=("CategoryId", "CategoryName"), keyset=keyset, index="CategoryByCategoryName", ) for row in results: print("CategoryId: {}, CategoryName: {}".format(*row))

1. 使用 read_data_with_index 引數執行 snippets.py。

python snippets.py banking-ops-instance --database-id banking-ops-db read_data_with_index

結果看起來大致如下：

CategoryId: 3, CategoryName: Annuities CategoryId: 1, CategoryName: Cash CategoryId: 2, CategoryName: Investments - Short Return CategoryId: 4, CategoryName: Life Insurance

使用 STORING 子句新增索引

您也許已經注意到，上述的讀取範例並未包含讀取 MarketingBudget 資料欄。這是因為 Cloud Spanner 的讀取介面不支援透過 join 彙整索引與資料表，再查詢未儲存於索引中的值。

如要略過這項限制，請建立 CategoryByCategoryName 索引的替代定義，將 MarketingBudget 的副本儲存於索引中。

使用 Database 類別的 update_ddl() 方法，即可透過 STORING 子句新增索引。您不會變更任何程式碼，以下顯示該區段供您參考。

def add_storing_index(instance_id, database_id): """在範例資料庫新增 STORING 索引。""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) operation = database.update_ddl( [ "CREATE INDEX CategoryByCategoryName2 ON Category(CategoryName)" "STORING (MarketingBudget)" ] ) print("正在等待作業完成…") operation.result(OPERATION_TIMEOUT_SECONDS) print("已新增 CategoryByCategoryName2 索引。")

1. 使用 add_storing_index 引數執行 snippets.py。

python snippets.py banking-ops-instance --database-id banking-ops-db add_storing_index

現在您可以執行讀取作業，使用 CategoryByCategoryName2 索引擷取 CategoryId、CategoryName 和 MarketingBudget 資料欄。您不會變更任何程式碼，以下顯示該區段供您參考。

def read_data_with_storing_index(instance_id, database_id): """使用索引搭配 STORING 子句，讀取資料庫的範例 資料。 """ spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) with database.snapshot() as snapshot: keyset = spanner.KeySet(all_=True) results = snapshot.read( table="Category", columns=("CategoryId", "CategoryName", "MarketingBudget"), keyset=keyset, index="CategoryByCategoryName2", ) for row in results: print(u"CategoryNameId: {}, CategoryName: {}, " "MarketingBudget: {}".format(*row))

2. 使用 read_data_with_storing_index 引數執行 snippets.py。

python snippets.py banking-ops-instance --database-id banking-ops-db read_data_with_storing_index

結果應為

CategoryNameId: 3, CategoryName: Annuities, MarketingBudget: 500000 CategoryNameId: 1, CategoryName: Cash, MarketingBudget: 100000 CategoryNameId: 2, CategoryName: Investments - Short Return, MarketingBudget: None CategoryNameId: 4, CategoryName: Life Insurance, MarketingBudget: None

工作 6：檢查查詢計畫

在本節中，您將瞭解 Cloud Spanner 查詢計畫。

1. 返回 Cloud 控制台，畫面應仍為「Spanner Studio」的「查詢」分頁。清除現有查詢，然後貼上並執行下列查詢：

SELECT Name, ShortName, CategoryName FROM Portfolio INNER JOIN Category ON Portfolio.PortfolioId = Category.PortfolioId;

2. 結果看起來大致如下：

查詢的生命週期

Cloud Spanner 中的 SQL 查詢會先編譯成執行計畫，再傳送到初始根伺服器來執行。系統會選擇能以最少躍點到達查詢資料的根伺服器。然後，根伺服器會：

• 啟動子計畫的遠端執行作業 (如有必要)
• 等待遠端執行的結果。
• 完成任何剩餘的本機執行步驟，例如匯總結果
• 傳回查詢的結果

收到子計畫的遠端伺服器會做為其子計畫的「根」伺服器，按照頂層根伺服器的模式執行。結果會是遠端執行作業的樹狀結構。概念上，查詢流程是由上往下執行，查詢結果則是由下往上傳回。這個模式如下圖所示：

匯總查詢

現在來看匯總查詢的查詢計畫。

1. 在「Spanner Studio」的「查詢」分頁中，清除現有查詢，然後貼上並執行下列查詢。

SELECT pr.ProductId, COUNT(*) AS ProductCount FROM Product AS pr WHERE pr.ProductId < 100 GROUP BY pr.ProductId;

2. 查詢完成後，點選查詢主體下方的「說明」分頁標籤，即可深入瞭解查詢計畫。

Cloud Spanner 會將查詢計畫傳送至協調查詢執行作業的根伺服器，然後執行子計畫的遠端分散作業。

這個執行計畫從序列化開始，也就是將所有傳回的值排序。接著，計畫會完成初始雜湊彙整運算子來計算初步結果，再執行分散式聯集，將子計畫分散至分割符合 ProductId < 100 的遠端伺服器。分散式聯集會將結果傳送至最後的雜湊匯總運算子。匯總運算子則會依 ProductId 執行 COUNT 匯總作業，然後將結果傳回 serialize result 運算子。最後會執行掃描，將要傳回的結果排序。

結果看起來大致如下：

提示：如要進一步瞭解查詢計畫的各個步驟，只要點按任一運算子即可。畫面右側的資訊會隨之改變。

co-located join 查詢

交錯式資料表和相關資料表的資料列會儲存在同一位置。交錯式資料表之間的 join 稱為 co-located join，比需要索引的 join 或 back join 更具效能優勢。

1. 在「Spanner Studio」的「查詢」分頁中，清除現有查詢，然後貼上並執行下列查詢。

SELECT c.CategoryName, pr.ProductName FROM Category AS c, Product AS pr WHERE c.PortfolioId = pr.PortfolioId AND c.CategoryId = pr.CategoryId;

2. 查詢完成後，點選查詢主體下方的「說明」分頁標籤，即可深入瞭解查詢計畫。

這項執行計畫從分散式聯集開始，將子計畫分散至具有 Category 資料表分割的遠端伺服器。由於 Product 是 Category 的交錯式資料表，每個遠端伺服器都能執行整個子計畫，無須與不同伺服器彙整。

子計畫包含 cross apply。每個 cross apply 都會掃描 Category 資料表，以擷取 PortfolioId、CategoryId 和 CategoryName。然後，cross apply 會將資料表掃描輸出內容對應至 CategoryByCategoryName索引掃描輸出內容，並將篩選條件設為索引的 PortfolioId 與資料表掃描輸出內容的 PortfolioId 相符。每個 cross apply 都會將結果傳送至 serialize result 運算子，將 CategoryName 和 ProductName 資料序列化，再將結果傳回本機分散式聯集。分散式聯集匯總本機分散式聯集的結果後，會傳回這些結果做為查詢結果。

恭喜！

您現在已充分瞭解 Cloud Spanner 的結構定義相關功能，以及 Spanner 建立查詢計畫的方法。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2024 年 10 月 14 日

實驗室上次測試日期：2024 年 10 月 14 日

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。