DynamoDB

这一课你将能做到

1. 设计 DynamoDB 表结构（分区键 + 排序键），并解释为什么不能像 MySQL 那样随便查
2. 创建 GSI（全局二级索引）支持多维度查询，并理解 GSI 和 LSI 的区别
3. 用 DynamoDB Streams 实现数据变更事件，配合 Lambda 做异步处理

为什么要学

DynamoDB 是 AWS 的 Serverless NoSQL 数据库，单表可支撑百万级 QPS，无需管理服务器。本站如果迁到 AWS，用户行为日志、课程浏览记录、实时排行榜这类海量键值数据，用 DynamoDB 比 MySQL 更合适。面试中「DynamoDB 分区键设计」「GSI 和 LSI 区别」「DynamoDB 和 Redis 怎么选」是高频问题。

人话：DynamoDB 就是一个超大规模的「键值对仓库」，但它比 Redis 持久，比 MySQL 快。代价是：你不能随便 SELECT * FROM table WHERE xxx，必须提前设计好「怎么查」，用索引支持查询模式。

先建立图像

DynamoDB 数据模型 vs MySQL：

MySQL 思维（关系型）：
┌─────────┬─────────┬─────────┐
│ user_id │ course_id│ progress│
├─────────┼─────────┼─────────┤
│ 1001    │ java-101│ 80%     │
│ 1001    │ aws-101 │ 30%     │
│ 1002    │ java-101│ 50%     │
└─────────┴─────────┴─────────┘
查询：SELECT * WHERE user_id = 1001

DynamoDB 思维（键值型）：
Partition Key (PK)     Sort Key (SK)      Attributes
─────────────────────────────────────────────────────
USER#1001              COURSE#java-101    {progress: 80%, last_access: ...}
USER#1001              COURSE#aws-101     {progress: 30%, last_access: ...}
USER#1002              COURSE#java-101    {progress: 50%, last_access: ...}
查询：GetItem(PK="USER#1001", SK="COURSE#java-101")
      Query(PK="USER#1001")  ← 查某用户的所有课程

GSI 与 LSI 对比：

特性	LSI（本地二级索引）	GSI（全局二级索引）
分区键	必须与基表相同	可以完全不同
创建时机	建表时创建，之后不能加	随时可加可删
容量	共享基表的 RCU/WCU	独立配置 RCU/WCU
大小限制	10GB（每分区键值）	无限制
一致性	强一致或最终一致	只有最终一致
适用场景	同一分区内多维度查	完全不同的查询维度

跟着做

步骤 1：创建 DynamoDB 表

# 创建用户课程进度表
aws dynamodb create-table --table-name UserCourseProgress --attribute-definitions AttributeName=PK,AttributeType=S AttributeName=SK,AttributeType=S --key-schema AttributeName=PK,KeyType=HASH AttributeName=SK,KeyType=RANGE --billing-mode PAY_PER_REQUEST --tags Key=Project,Value=CodeNav

--billing-mode PAY_PER_REQUEST：按需计费，适合流量 unpredictable 的场景。预置模式（PROVISIONED）适合流量稳定、可预测的场景，更便宜。