如何查询DynamoDB电影示例数据库以按类型检索对应电影数据

核心原因 #

DynamoDB的全局二级索引（GSI）仅支持字符串、数字、布尔等标量类型作为索引键，不支持列表、映射这类复杂类型，这就是你找不到直接给genres列表字段建GSI示例的原因。

需求1：检索全表所有genres的列表 #

根据你的表数据规模选择方案：

• 数据量小于1万条、查询频率极低：直接全表扫描提取去重即可，扫描时指定ProjectionExpression仅返回info.genres字段降低读取成本，Node.js示例代码如下：

const { DynamoDBClient, ScanCommand } = require("@aws-sdk/client-dynamodb");
const { unmarshall } = require("@aws-sdk/util-dynamodb");
const client = new DynamoDBClient({ region: "你的AWS区域" });

const getAllGenres = async () => {
  const genreSet = new Set();
  let lastEvaluatedKey = null;
  do {
    const scanRes = await client.send(new ScanCommand({
      TableName: "你的电影表名",
      ProjectionExpression: "info.genres",
      ExclusiveStartKey: lastEvaluatedKey
    }));
    scanRes.Items.forEach(item => {
      const movieData = unmarshall(item);
      movieData.info?.genres?.forEach(g => genreSet.add(g));
    });
    lastEvaluatedKey = scanRes.LastEvaluatedKey;
  } while (lastEvaluatedKey);
  return Array.from(genreSet);
}

• 数据量大、查询频率高：单独维护一张Genres汇总表，写入/修改/删除电影条目时同步更新该表的类别列表，查询时直接读该表即可，读取成本为O(1)。

需求2：输入指定genre检索对应电影标题 #

根据查询频率选择方案：

方案A：高频查询场景（推荐） #

调整数据建模，支持建GSI实现高效查询：
你可以二选一调整：

1. 不修改原主表：单独建一张电影类别关联表，仅存储genre（分区键）、year、title三个字段，一部电影对应N个类别就写入N条数据，查询时直接按genre等值查询即可批量获取对应电影标题。
2. 调整原主表结构：在写入电影数据时新增genre标量字段，一部电影对应N个类别就写入N条主表数据，为genre字段创建GSI后直接查询该GSI即可。

方案B：低频查询场景 #

如果该需求触发频率极低，不愿意调整数据结构，可以用全表扫描加过滤的方式实现，Node.js示例代码如下：

const getMoviesByGenre = async (targetGenre) => {
  const result = [];
  let lastEvaluatedKey = null;
  do {
    const scanRes = await client.send(new ScanCommand({
      TableName: "你的电影表名",
      ProjectionExpression: "title",
      FilterExpression: "contains(info.genres, :targetGenre)",
      ExpressionAttributeValues: {
        ":targetGenre": { S: targetGenre }
      },
      ExclusiveStartKey: lastEvaluatedKey
    }));
    scanRes.Items.forEach(item => result.push(unmarshall(item).title));
    lastEvaluatedKey = scanRes.LastEvaluatedKey;
  } while (lastEvaluatedKey);
  return result;
}

注意：该方案会扫描全表，你需要为全表的读容量付费，即使最终过滤后仅返回几条结果，仅适合极低频率的查询场景，数据量超过1万条后不推荐使用。

内容的提问来源于stack exchange，提问作者roxx0r.munich