现已推出具有 MongoDB 兼容性的 Firestore 企业版！
了解详情。
Résoudre les problèmes de latence
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
|
Ne concerne que l'édition Cloud Firestore Enterprise.
|
Cette page explique comment résoudre les problèmes de latence avec Cloud Firestore compatible avec MongoDB.
Latence
Le tableau ci-dessous décrit les causes possibles de l'augmentation de la latence :
| Cause de la latence |
Types d'opérations concernés |
Solution |
| Trafic soutenu et en augmentation
|
lecture, écriture (read, write) |
Pour augmenter le trafic rapidement, Cloud Firestore avec compatibilité MongoDB tente d'effectuer un scaling automatique afin de répondre à l'accroissement de la demande. Lorsque Cloud Firestore compatible avec MongoDB effectue un scaling, la latence diminue.
Les hotspots (taux de lecture, d'écriture et de suppression élevés pour une plage de documents restreinte) limitent la capacité de scaling de Cloud Firestore compatible avec MongoDB. Consultez la page Éviter les hotspots et identifiez les hotspots dans votre application.
|
| Contention imputable à la mise à jour trop fréquente d'un seul document ou à des transactions |
lecture, écriture (read, write) |
Réduisez le taux d'écriture sur des documents individuels.
Réduisez le nombre de documents mis à jour dans une même transaction d'écriture.
|
| Lectures volumineuses renvoyant de nombreux documents |
read |
Utilisez la pagination pour scinder les opérations de lecture de grande taille.
|
| Trop de suppressions récentes |
read
Cela a un impact considérable sur les opérations qui répertorient les collections d'une base de données. |
Si la latence est causée par un nombre trop élevé de suppressions récentes, le problème devrait se résoudre automatiquement après un certain temps. Si le problème persiste, contactez l'assistance. |
| Distribution ramifiée d'index, en particulier pour les champs de tableau et les champs de document intégré |
write |
Vérifiez l'indexation de vos champs de tableau et de document intégré. |
| Écritures volumineuses |
write |
Essayez de réduire le nombre d'écritures dans chaque opération.
Pour les entrées de données groupées ne nécessitant pas d'atomicité, utilisez des écritures individuelles chargées en parallèle.
|
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/08/29 (UTC).
[null,null,["Dernière mise à jour le 2025/08/29 (UTC)."],[],[],null,["\u003cbr /\u003e\n\n\n|--------------------------------------------------------|\n| *Relevant to Cloud Firestore Enterprise edition only.* |\n\n\u003cbr /\u003e\n\nThis page shows you how to resolve latency issues with Cloud Firestore with MongoDB compatibility.\n\nLatency\n\nThe following table describes possible causes of increased latency:\n\n| Latency cause | Types of operations affected | Resolution |\n|-----------------------------------------------------------------------------------------|---------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Sustained, increasing traffic. | read, write | For rapid traffic increases, Cloud Firestore with MongoDB compatibility attempts to automatically scale to meet the increased demand. When Cloud Firestore with MongoDB compatibility scales, latency begins to decrease. Hot-spots (high read, write, and delete rates to a narrow document range) limit the ability of Cloud Firestore with MongoDB compatibility to scale. Review [Avoid hot-spots](https://cloud.google.com/firestore/mongodb-compatibility/docs/understand-reads-writes-scale#avoid_hotspots) and identify hot-spots in your application. |\n| Contention, either from updating a single document too frequently or from transactions. | read, write | Reduce the write rate to individual documents. Reduce the number of documents updated in a single write transaction. |\n| Large reads that return many documents. | read | Use pagination to split large reads. |\n| Too many recent deletes. | read This greatly affects operations that list collections in a database. | If latency is caused by too many recent deletes, the issue should automatically resolve after some time. If the issue does not resolve, [contact support](https://firebase.google.com/support). |\n| Index fanout, especially for array fields and embedded document fields. | write | Review your indexing of array fields and embedded document fields. |\n| Large writes. | write | Try reducing the number of writes in each operation. For bulk data entry where you don't require atomicity, use parallelized individual writes. |"]]
