DynamoDB建模：实现多属性模糊搜索及活跃客户筛选方案

针对你的场景（组织-客户一对多关系、多字段模糊搜索、活跃/非活跃客户区分），推荐采用倒排索引模式在同一张DynamoDB表中实现需求，以下是具体设计：

一、表结构设计 #

采用单表设计，同时存储原始客户数据和搜索索引条目，通过PK/SK区分不同数据类型：

1. 原始客户数据条目 #

2. 搜索索引条目 #

为每个客户生成6条索引条目（对应6个搜索字段），覆盖活跃/非活跃状态：

二、数据写入/维护逻辑 #

• 创建/更新客户：先写入原始客户数据条目，再生成对应搜索索引条目（活跃客户生成ACTIVE分区的索引，非活跃生成INACTIVE分区的索引）
• 自动维护：通过DynamoDB Streams触发Lambda函数，监听客户数据的增删改事件，自动同步更新搜索索引条目，避免手动维护的繁琐

三、查询逻辑 #

1. 搜索词预处理 #

• 判断是否带*：若带则去掉*，同时查询ACTIVE和INACTIVE分区；否则仅查询ACTIVE分区
• 标准化处理：将搜索词转为小写，去除空格、特殊字符（如电话的括号、邮编的空格）

2. 执行查询 #

对每个字段类型，发起Query请求匹配前缀（begins_with），合并结果后去重，返回前6条：

def search_customers(org_id, search_term):
    include_inactive = search_term.startswith('*')
    if include_inactive:
        search_term = search_term[1:].strip()
    normalized_term = search_term.lower().replace(' ', '')
    
    # 确定要查询的分区键
    pk_list = [f"SEARCH#ORG#{org_id}#ACTIVE"]
    if include_inactive:
        pk_list.append(f"SEARCH#ORG#{org_id}#INACTIVE")
    
    # 所有需要匹配的字段类型
    field_types = [
        "BY_FIRST_NAME", "BY_LAST_NAME", "BY_CUST_ID",
        "BY_DOB", "BY_PHONE", "BY_POSTCODE"
    ]
    
    results = []
    seen_cust_ids = set()
    
    for pk in pk_list:
        for field_type in field_types:
            sk_prefix = f"{field_type}#{normalized_term}"
            # 发起DynamoDB Query请求
            response = dynamodb.query(
                TableName="YourCustomerTable",
                KeyConditionExpression="PK = :pk AND begins_with(SK, :sk_prefix)",
                ExpressionAttributeValues={
                    ":pk": pk,
                    ":sk_prefix": sk_prefix
                },
                ProjectionExpression="first_name, last_name, date_of_birth, account_manager, address_line_1, post_code, customer_id"
            )
            
            # 收集结果并去重
            for item in response["Items"]:
                if item["customer_id"] not in seen_cust_ids:
                    seen_cust_ids.add(item["customer_id"])
                    results.append(item)
                    # 提前返回，避免多余查询
                    if len(results) >= 6:
                        return results
    return results[:6]

四、方案优势 #

1. 高效查询：用Query替代全表Scan，性能远高于多GSI方案
2. 成本可控：单表存储原始数据和索引，避免多GSI的额外存储/写入成本
3. 灵活匹配：通过标准化处理支持大小写、空格无关的模糊匹配
4. 状态区分：通过分区键快速分离活跃/非活跃客户，减少无效查询范围

内容的提问来源于stack exchange，提问作者J86