热分区场景下DDB Schema优化及AWS替代数据存储技术咨询

一、更优的DDB Schema方案 #

方案：分片哈希键+复合排序键+多维度GSI

Schema设计

• 主表哈希键：item_id#shard_id（shard_id为分片标识，例如0-9，可根据子项数量调整分片数）
• 主表排序键：sub_item_id
• 全局二级索引（GSI）：
  • GSI 1：哈希键item_id，排序键attr1#sub_item_id（投影所有查询所需属性）
  • GSI 2：哈希键item_id，排序键attr2#sub_item_id（投影所有查询所需属性）

方案优势

1. 全量子项查询：
   item_id被拆分为多个独立分片，可并行发起多轮Query操作（对应每个分片），总吞吐量突破单分区3000 RCUs的限制，并行效率接近Aurora MySQL的批量查询能力。写入时通过sub_item_id哈希取模分配shard_id，保证各分片子项数量均匀，避免热点。
2. 条件子项查询：
   针对attr1或attr2的条件查询，直接调用对应GSI的Query操作：以item_id为哈希键，通过排序键前缀匹配筛选目标子项，无需全表扫描，延迟可控。

额外优化

为item_id设置TTL（生存时间），自动清理过期的非活跃数据，降低存储成本及查询干扰。

二、适配场景的AWS替代存储 #

1. Amazon DynamoDB Accelerator (DAX)

如果坚持使用DDB，DAX是最优补充：

• 提供内存级缓存，大幅降低活跃期（3-4天）的读取延迟，支持强一致性读写
• 缓存读取不占用DDB的RCU，可突破单分区吞吐量限制
• 可配置与item_id活跃期匹配的TTL，自动清理过期缓存

2. Amazon MemoryDB for Redis

适合对延迟要求极高的场景：

• 兼容Redis协议，支持持久化，提供强一致性读写
• 用Hash结构存储item_id对应的子项，用Sorted Set按attr1/attr2排序，实现高效条件查询
• 支持并行查询，无单分区吞吐量限制
• 可设置TTL自动删除过期的item_id数据，减少资源占用

3. Amazon Timestream（仅适配时序属性场景）

如果attr1/attr2包含时间维度，Timestream适合高写入、低延迟查询的时序场景，但仅适配特定属性结构的需求。

内容的提问来源于stack exchange，提问作者AWSDeveloper