DynamoDB单表设计中为何拆分时序数据与统计数据存储？

• 读写性能与成本优化
  时序数据一般是高频写入，统计数据则是低频更新但可能面临高并发读取需求（比如实时展示数据统计）。如果两类数据混存同一张表，容易引发热点问题：统计数据的主键可能被频繁读写，时序数据的写入也会占用表的吞吐量，彼此抢占资源。分开存储能隔离两类操作的负载，还能针对各自的访问模式单独优化表配置（比如时序表用按需模式，统计表用预留模式），有效降低成本。

• 数据生命周期管理更简洁
  时序数据通常有过期清理需求（比如只保留30天），而统计数据往往需要长期留存。分开存储后，时序表可单独配置TTL自动清理过期数据，不用在主表中处理不同生命周期的混合数据，简化了数据管理流程。

• 避免数据模型过度复杂
  单表设计的核心是适配特定访问模式，让常见查询更高效。如果把统计数据和时序数据塞进同一张表，就得设计更复杂的主键结构来区分不同类型的条目，查询时也得加额外过滤条件，反而违背了单表设计的初衷。分开存储后，每张表的数据模型更简洁，查询逻辑也更清晰。

• 降低流处理的风险与复杂度
  虽然流过滤功能可以避免统计数据写回主表时触发循环流，但流处理本身存在重试、延迟等不可控情况。如果将统计数据写回主表，一旦流处理出现异常，可能导致主表出现重复统计条目或数据不一致的问题。写入单独表能隔离这类风险，主表只负责存储原始时序数据，统计表负责汇总，数据职责划分清晰，故障排查也更简单。

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