[9-1] DynamoDB란?
DynamoDB란?
- NoSQL(Not Only SQL) 데이터베이스 : SQL(관계형DB)뿐만 아니라 다른 형태의 DB가 존재
- 매우 빠른 쿼리 속도
- Auto-Scaling 기능 탑재 : 데이터의 크기 초과시 테이블의 크기가 늘어남 -> 비용적인 이점
- Key-Value 데이터 모델 지원 : key에 해당하는 value가져옴
- 테이블 생성시 스키마 생성 필요 없음
- 모바일, 웹, IoT데이터 사용시 추천됨 : 실시간으로 들어오는 데이터 사용할때 좋다
- SSD 스토리지 사용 : 읽고 쓰는데 속도가 매우 빠름
- 테이블 (Table)
아이템 (Items) - 행(row)과 개념이 비슷함
특징 (Attributes) - 열(column)과 개념이 비슷함
Key-Value (Key : 데이터의 이름, Value : 데이터 자신)
예시) JSON, XML
DynamoDB - Primary Keys (PK)
- PK를 사용하여 데이터 쿼리
- DynamoDB에는 두가지의 PK 유형이 있음
1) 파티션키 (Partition Key) : 데이터를 분리하는 키
: 고유 특징 (Unique Attribute)
: 실제 데이터가 들어가는 위치를 결정해줌
: 파티션키 사용시 동일한 두개의 데이터가 같은 위치에 저장될 수 없음!
= 파티션키는 중복될 수 없음
2) 복합키 (Composite Key)
: 파티션키(Partition Key) + 정렬키(Sort Key)
: 예시 ) 똑같은 고객이 다른 날짜에 다른 물건을 구매
:: 파티션키 : 고객아이디, 정렬키 : 날짜(Timestamp)
:: 같은 파티션키의 데이터들은 같은 장소에 보관, 그 다음 정렬키에 의해 데이터가 정렬됨
파티션키 : 고객아이디, 정렬키 : 날짜(Timestamp)
{
“Customer_id” : “28942”,
“Transaction_id” : “g9s4dd2”,
“Item_purchased” : “sofa”,
“Store_location” : “seoul”,
“Transaction_date” : “2020-10-16 14:20:00”,
}DynamoDB 데이터 접근 관리
- AWS IAM으로 관리할 수 있음
- 테이블 생성과 접근 권한을 부여할 수 있음
- 특정 테이블만, 특정 데이터만 접근 가능케 해주는 특별한 IAM 역할 존재
[9-2] Index
Index : Query의 성능을 향상
- 특정 컬럼만을 사용하여 쿼리
- 테이블 전체가 아닌 기준점(pivot)을 사용해 쿼리가 이루어짐
- 매우 큰 쿼리 성능 효과
- 두가지의 Index 유형 존재
1) Local Secondary Index(LSI)
: 테이블 생성시에만 정의해줄 수 있음
: 따라서 테이블 생성 후 변경, 삭제가 불가능 -> 삭제하고 싶으면 테이블 삭제 후 해야함
: 똑같은 파티션키 사용, 그러나 다른 정렬키 사용
2) Global Secondary Index(GSI)
: 테이블 생성후에도 추가, 변경, 삭제 가능
: 다른 파티션키, 정렬키 사용 -> 새로운 뷰를 만드는것이 가능
[9-3] Query vs Scan
Query
- Primary Key를 사용하여 데이터 검색
- Query사용시 모든 데이터(컬럼) 반환
- ProjectionExpression 파라미터 -> 원하는 column만 볼 수 있다.
Scan
- 모든 데이터를 불러옴 (primary key 사용 X)
- ProjectionExpression 파라미터
Query VS Scan
- Query가 Scan보다 훨씬 효율적임-> Query를 사용하자~
-> 데이터의 크기는 일정치 않기에 scan의 퍼포먼스는 점차 약해질 것임
-> look-up(데이터 딕셔너리를 정의하고 보관함, 데이터의 중복이 일어나지 않음) 용도의 테이블을 보고 싶을땐 Scan을 사용해도 괜찮다.
[9-4] DynamoDB 실습 - 1
[9-5] DynamoDB 실습 - 2
dynamoDB만드는 방법
1. 항목 만들기
2. lamdba함수를 통해서 만들기
<필터기능> 스캔과 쿼리
스캔
쿼리
[9-6] DAX(DynamoDB Accelerator)
DAX란?
- 클러스터 In-memory 캐시 : 나중에 필요한 데이터를 찾을때 아주 빨리 찾아줌
- 10배 이상의 속도 향상
- 읽기 요청만 해당사항 (쓰기요청X) -> 읽기 요청이 아주 많거나 크기가 클 때 유용하게 사용
- Ex) Black Friday날 쇼핑 웹사이트 운영 (수많은 읽기 요청 예상)
DAX 원리
- DAX 캐싱 시스템
➔ 테이블에 데이터 삽입 & 업데이트시 DAX에도 반영 : 한번에 두가지 일이 생김 - 읽기 요청에 맞는 데이터가 DAX에 들어있을시 DAX에서 데이터 즉시 반환 (Cache Hit) <-> (Cache Miss)
DAX의 단점
- 쓰기 요청이 많은 어플리케이션에서는 부적절함
-> 쓰기 요청은 예외이기에- 읽기 요청이 많지 않은 어플리케이션에서 부적절함
-> 읽기 요청이 적을땐 효과가 없음 / 비용적인 측멱에서도 안좋다- 아직 모든 지역에서 제공하지 않음 (서울도 아직 제공되지 않고 있음)
클러스터를 만들고 이에 대한 설정도 해줘야함
[9-7] DynamoDB Streams
DynamoDB Stream?
- DynamoDB 테이블에서 일어나는 일들(삽입, 수정, 삭제 등)이 일어날 시 시간적 순서에 맞게 Streams에 기록
- Log는 즉각 암호화가 일어나며 24시간동안 보관됨 -> 24시간이 지나면 삭제됨
- 주로 이벤트를 기록하고 이벤트 발생을 외부로 알리는 용도 (예시 : Lambda Function)
- 이벤트 전&후에 대한 상황 보관
두개의 SDK와 연결된 어플리케이션
(하나의 API는 하나의 Endpoint와 연결됨)
dynamoDB stream을 통해 dynamoDB table에 어떤 event가 발생시 효율적인 아키텍쳐의 생성이 가능
느낀점 : DB에 대해 따로 공부하고 있었는데 aws 측면에서의 DB를 배울 수 있어서 유익했다
