DynamoDB #

DynamoDB核心特点：
├── 完全托管
│   ├── 无服务器
│   ├── 自动扩展
│   └── 无需管理基础设施
│
├── 高性能
│   ├── 毫秒级延迟
│   └── 可预测的性能
│
├── 无限扩展
│   ├── 自动分区
│   └── 无容量限制
│
├── 高可用
│   ├── 跨3个可用区
│   └── 99.99%可用性
│
├── 灵活
│   ├── 无模式
│   └── 支持嵌套属性
│
└── 安全
    ├── 加密
    └── IAM授权

DynamoDB数据模型：
├── 表（Table）
│   └── 数据的集合
│   └── 类似关系数据库的表
│
├── 项目（Item）
│   └── 表中的一条记录
│   └── 类似关系数据库的行
│   └── 最大400KB
│
└── 属性（Attribute）
    └── 项目中的数据字段
    └── 类似关系数据库的列
    └── 支持多种数据类型

主键类型：
├── 分区键（Partition Key）
│   └── 单属性主键
│   └── 根据分区键值进行哈希分区
│
└── 复合主键（Composite Key）
    ├── 分区键 + 排序键（Sort Key）
    ├── 分区键决定分区
    └── 排序键决定排序

DynamoDB数据类型：
├── 标量类型
│   ├── String (S)
│   ├── Number (N)
│   ├── Binary (B)
│   └── Boolean (BOOL)
│
├── 文档类型
│   ├── Map (M)
│   └── List (L)
│
└── 集合类型
    ├── String Set (SS)
    ├── Number Set (NS)
    └── Binary Set (BS)

{
    "UserId": "user123",
    "Timestamp": 1704067200,
    "Email": "user@example.com",
    "Name": "John Doe",
    "Age": 30,
    "IsActive": true,
    "Preferences": {
        "Theme": "dark",
        "Language": "en"
    },
    "Tags": ["premium", "verified"]
}

创建表步骤：
├── 第一步：表名称
│   └── 输入表名
│
├── 第二步：主键
│   ├── 分区键
│   └── 排序键（可选）
│
├── 第三步：表设置
│   ├── 自定义设置
│   └── 默认设置
│
├── 第四步：容量模式
│   ├── 按需模式
│   └── 预置模式
│
└── 第五步：创建表

aws dynamodb create-table \
    --table-name Users \
    --attribute-definitions \
        AttributeName=UserId,AttributeType=S \
        AttributeName=Timestamp,AttributeType=N \
    --key-schema \
        AttributeName=UserId,KeyType=HASH \
        AttributeName=Timestamp,KeyType=RANGE \
    --billing-mode PAY_PER_REQUEST

容量模式：
├── 按需模式（On-Demand）
│   ├── 自动扩展
│   ├── 按请求付费
│   ├── 适合不可预测流量
│   └── 成本较高
│
└── 预置模式（Provisioned）
    ├── 指定RCU/WCU
    ├── 可配置自动扩展
    ├── 适合可预测流量
    └── 成本较低

读写容量单位：
├── 读容量单位（RCU）
│   ├── 1 RCU = 1次强一致性读取/秒（4KB）
│   └── 1 RCU = 2次最终一致性读取/秒（4KB）
│
└── 写容量单位（WCU）
    └── 1 WCU = 1次写入/秒（1KB）

aws dynamodb put-item \
    --table-name Users \
    --item '{
        "UserId": {"S": "user123"},
        "Email": {"S": "user@example.com"},
        "Name": {"S": "John Doe"},
        "Age": {"N": "30"}
    }'

import boto3

dynamodb = boto3.resource('dynamodb')
table = dynamodb.Table('Users')

table.put_item(
    Item={
        'UserId': 'user123',
        'Email': 'user@example.com',
        'Name': 'John Doe',
        'Age': 30
    }
)

aws dynamodb get-item \
    --table-name Users \
    --key '{"UserId": {"S": "user123"}}'

response = table.get_item(
    Key={
        'UserId': 'user123'
    }
)
item = response['Item']
print(item)

aws dynamodb update-item \
    --table-name Users \
    --key '{"UserId": {"S": "user123"}}' \
    --update-expression "SET Age = :age" \
    --expression-attribute-values '{":age": {"N": "31"}}'

table.update_item(
    Key={
        'UserId': 'user123'
    },
    UpdateExpression='SET Age = :age',
    ExpressionAttributeValues={
        ':age': 31
    }
)

aws dynamodb delete-item \
    --table-name Users \
    --key '{"UserId": {"S": "user123"}}'

table.delete_item(
    Key={
        'UserId': 'user123'
    }
)

with table.batch_writer() as batch:
    for i in range(100):
        batch.put_item(
            Item={
                'UserId': f'user{i}',
                'Name': f'User {i}'
            }
        )

aws dynamodb query \
    --table-name Users \
    --key-condition-expression "UserId = :uid" \
    --expression-attribute-values '{":uid": {"S": "user123"}}'

response = table.query(
    KeyConditionExpression=Key('UserId').eq('user123')
)
items = response['Items']

aws dynamodb scan \
    --table-name Users \
    --filter-expression "Age > :age" \
    --expression-attribute-values '{":age": {"N": "25"}}'

response = table.scan(
    FilterExpression=Attr('Age').gt(25)
)
items = response['Items']

LSI特点：
├── 与表共享分区键
├── 不同的排序键
├── 创建表时定义
├── 每个表最多5个
└── 项目集合大小限制

GSI特点：
├── 可有不同的分区键和排序键
├── 可随时创建
├── 每个表默认20个（可提升）
├── 独立的吞吐量
└── 更灵活

aws dynamodb update-table \
    --table-name Users \
    --attribute-definitions AttributeName=Email,AttributeType=S \
    --global-secondary-index-updates \
        '[{
            "Create": {
                "IndexName": "EmailIndex",
                "KeySchema": [{"AttributeName": "Email", "KeyType": "HASH"}],
                "Projection": {"ProjectionType": "ALL"}
            }
        }]'

response = table.query(
    IndexName='EmailIndex',
    KeyConditionExpression=Key('Email').eq('user@example.com')
)

Streams特点：
├── 捕获表的变更事件
├── 按时间顺序记录
├── 24小时保留
├── 可触发Lambda
└── 支持多种视图类型

aws dynamodb update-table \
    --table-name Users \
    --stream-specification StreamEnabled=true,StreamViewType=NEW_AND_OLD_IMAGES

def lambda_handler(event, context):
    for record in event['Records']:
        if record['eventName'] == 'INSERT':
            print(f"New item: {record['dynamodb']['NewImage']}")
        elif record['eventName'] == 'MODIFY':
            print(f"Modified item: {record['dynamodb']['NewImage']}")
        elif record['eventName'] == 'REMOVE':
            print(f"Removed item: {record['dynamodb']['OldImage']}")

表设计建议：
├── 选择合适的主键
│   ├── 高基数的分区键
│   └── 避免热点分区
│
├── 使用复合主键
│   └── 支持排序查询
│
├── 使用GSI
│   └── 支持非主键查询
│
└── 单表设计
    └── 减少表数量

性能建议：
├── 避免热分区
│   └── 分散写入
│
├── 使用投影
│   └── 只返回需要的属性
│
├── 批量操作
│   └── 减少请求次数
│
├── 并行扫描
│   └── 加速全表扫描
│
└── 使用缓存
    └── DAX加速读取

成本优化建议：
├── 选择合适的容量模式
├── 使用投影减少读取
├── 删除不需要的数据
├── 监控容量使用
└── 使用自动扩展

DAX特点：
├── 内存缓存
├── 微秒级延迟
├── 与DynamoDB API兼容
├── 自动缓存失效
└── 适合读密集型工作负载

import boto3
from amazondax import AmazonDaxClient

dax = AmazonDaxClient(
    endpoint_url='dax://my-cluster.xxxxx.dax-clusters.us-east-1.amazonaws.com'
)
table = dax.Table('Users')