AirJD 焦点
AirJD

没有录音文件
00:00/00:00
加收藏

Introduction to DynamoDB(AWS的DynamoDB数据库简介) by Nate Slater@Amazon

发布者 javalover
发布于 1441848623161  浏览 6723 关键词 数据库, NoSQL, English 
分享到

第1页

Nate Slater, AWS Solutions Architect
July 30, 2015
Introduction to DynamoDB

第2页

Agenda
What is DynamoDB?
DynamoDB Fundamentals
Typical Workloads and Use Cases
Demo

第3页

What is DynamoDB?

第4页

What is DynamoDB?
DynamoDB is a fully managed, NoSQL document and key-value data store.

第5页

What is NoSQL?
NoSQL is a term to describe data stores that trade full ACID compliance for high availability and scale.
  
  
A
C
I      
D
solation
urability
onsistency
tomicity
Single row/single item only
Eventual consistency
Dirty Read
Data replication on commodity storage

第6页

Why NoSQL?
Dirty Reads?
Eventual Consistency?
Single row transactions only?
Why would anybody trade ACID compliance for this?

第7页

NoSQL – Availability and Scale
Traditional SQL
NoSQL
DB
Primary
Secondary
Scale Up
DB
DB
DB
DB
DB
DB
Scale Out

第8页

Scale Up vs Scale Out 
Scale-Up
Scale-Out
Cost
Complexity

第9页

The CAP Theorem
Network partitions will happen in distributed systems:
DB
DB
DB
DB
DB
Consistency
Availability
Partition Tolerance
C
A
P
CA
AP
CP

第10页

Why NoSQL?
Horizontal Scaling allows for infinite scalability
Cheaper to scale out than to scale up
Full consistency or availability that can survive a network partition
Full ACID compliance is often not needed

第11页

What is DynamoDB?
DynamoDB is a fully managed, NoSQL document and key-value data store.

第12页

What is a Managed Service?
A managed service is a web service in which consumers of the service never need to interact directly with the underlying compute, storage, and network resources.

第13页

Why use a Managed Service?

第14页

DynamoDB is a Managed Service
AWS runs all the database infrastructure for you!
All the benefits and none of the operational overhead of running a distributed system:
Infinitely scalable read and write I/O
High availability within a region
Data durably stored in 3 availability zones
Cross-region replication
Easily export data to S3
Triggers using Lambda functions
Tight integration with Kinesis, Lambda, EMR, and Redshift
Pay only for what you use, when you need it

第15页

DynamoDB Fundamentals

第16页

DynamoDB Table
Table
Items
Attributes
Hash
Key
Range
Key
Mandatory
Key-value access pattern
Determines data distribution
Optional
Model 1:N relationships
Enables rich query capabilities

第17页

Data types
String (S)
Number (N)
Binary (B)

String Set (SS)
Number Set (NS)
Binary Set (BS)
Boolean (BOOL)
Null (NULL)
List (L)
Map (M)
Used for storing nested JSON documents

第18页

Hash table
Hash key uniquely identifies an item
Hash key is used for building an unordered hash index
Table can be partitioned for scale 
Id = 1
Name = Jim
Hash (1) =  7B
Id = 2
Name = Andy
Dept = Engg
Hash (2) = 48 
Id = 3
Name = Kim
Dept = Ops
Hash (3) = CD 
Key Space

第19页

Partitions are three-way replicated 
Replica 1
Replica 2
Replica 3
Partition 1
Partition 2
Partition N

第20页

Hash-range table
Hash key and range key together uniquely identify an Item.
Within unordered hash index, data is sorted by the range key.
No limit on the number of items (∞) per hash key.
Unless you have local secondary indexes
00:0
FF:∞
Hash (2) =  48
Customer# = 2
Order# = 10
Item = Pen
Customer# = 2
Order# = 11
Item = Shoes
Customer# = 1
Order# = 10
Item = Toy
Customer# = 1
Order# = 11
Item = Boots
Hash (1) =  7B
Customer# = 3
Order# = 10
Item = Book
Customer# = 3
Order# = 11
Item = Paper
Hash (3) =  CD
55
A9:∞
54:∞
AA
Partition 1
Partition 2
Partition 3

第21页

Local Secondary Index (LSI)
alternate range key + same hash key
index and table data is co-located (same partition)
10 GB max per hash key, i.e. LSIs limit the # of range keys!

第22页

Global Secondary Index
any attribute indexed as new hash and/or range key
RCUs/WCUs provisioned separately for GSIs 
Online indexing

第23页

LSI or GSI?
LSI can be modeled as a GSI
If data size in an item collection > 10 GB, use GSI
If eventual consistency is okay for your scenario, use GSI!
 

第24页

CreateTable
UpdateTable
DeleteTable
DescribeTable
ListTables
PutItem
UpdateItem
DeleteItem
BatchWriteItem
GetItem
Query
Scan
BatchGetItem
ListStreams
DescribeStream
GetShardIterator
GetRecords
Table API
Item API
New
DynamoDB API
Stream API

第25页

DynamoDB Streams and AWS Lambda

第26页

Emerging Architecture Pattern

第27页

Throughput
Provisioned at the table level
Write capacity units (WCUs) are measured in 1 KB per second
Read capacity units (RCUs) are measured in 4 KB per second
RCUs measure strongly consistent reads
Eventually consistent reads cost 1/2 of consistent reads
Read and write throughput limits are independent

第28页

Partitioning example
Table size = 8 GB, RCUs = 5000, WCUs = 500
# of partitions (IO capacity) = 5000/3000 RCU + 500/1000 WCU = 2.17 
# of partitions (storage) = 8/10 GB = 0.8
# of partitions  = ceiling(max(2.17, 0.8)) = 3

第29页

Typical Workloads and Use-Cases

第30页

DynamoDB table examples

第31页

Typical Workloads
Ad-tech
IoT
Gaming
Web Analytics
Mobile Applications
Large Scale Websites
…And  much more!

 

第32页

Demo

第33页

支持文件格式:*.pdf
上传最后阶段需要进行在线转换,可能需要1~2分钟,请耐心等待。