Amazon DVA-C02: Amazon DynamoDB 与 NoSQL 设计 — 学习指南

By Laurynas Brazys · 28 July 2026 · #amazon #dva-c02 #certification #exam-prep #study-guide

属于 AWS Developer Associate DVA-C02 — 学习指南. 使用经过验证的答案练习： Amazon 考试中心, 或参加限时模拟考试： ExamRoll.io.

数据建模与访问模式

DynamoDB 的设计始于访问模式：每个查询都应映射到一个 primary key、global secondary index (GSI) 或 local secondary index (LSI)；表的设计由应用程序读写项目的方式驱动，而不是由关系型数据库的 schema 结构驱动。选择高基数的 partition key 以避免热点分区，并在需要范围查询时使用复合主键 (composite primary key)（分区键 + 排序键）；Query 操作要求对 partition key 进行等值匹配，并可选地在 sort key 上使用 KeyConditionExpression。对于 SDK，推荐使用 DynamoDB Document 抽象层：在 AWS SDK for JavaScript v3 中使用 DynamoDBDocumentClient（它会为您处理 marshall/unmarshall），或在 Java 中使用 DynamoDB Enhanced Client 将对象映射到属性。仅当读取模式共享键且您可以通过一个类型属性来编码项目类型时，才实施单表设计模式；使用稀疏 GSI (sparse GSIs) 来提供次要访问路径，方法是仅在需要它们的项目中写入这些属性。一个常见的陷阱是过度使用 Scan：扫描大型表成本高昂且是分页的（通过 LastEvaluatedKey）；应优先使用带有 ProjectionExpression 的 Query 操作来减少 RCU 的使用。对于条件写入，使用带有 ConditionExpression 的 UpdateItem，或使用 TransactWriteItems 实现多项目原子性；处理 ConditionalCheckFailedException 异常并采用带抖动的退避策略。

索引、查询与事务模式

Local secondary indexes (LSI) 只能在创建表时创建，与基表共享相同的 partition key，并且查询时会消耗表的读取容量。而 GSI 可以在表创建后添加，拥有独立的容量或按需计费模式，并允许使用不同的 partition key。Query 调用使用 KeyConditionExpression 和 ExpressionAttributeNames/Values；projection expressions 可以减少数据传输量。GSI 默认是最终一致性的，并且会产生额外的写入成本，因为每次对基表的写入如果包含了被索引的属性，都会触发对 GSI 的相应写入——因此需要相应地规划 WCU，并监控索引的 ConsumedWriteCapacityUnits。要实现强一致性，请在基表上使用 GetItem 或带有 ConsistentRead=true 的 Query（GSI 不支持强一致性读取）。事务（TransactWriteItems 和 TransactGetItems）可保证最多 25 个项目或 4 MB 负载内的原子性；使用 ReturnValuesOnConditionCheckFailure 来检查失败详情。BatchWriteItem 和 BatchGetItem 分别限制为 25 和 100 个项目，并且是非事务性的；代码应通过带指数退避的重试来处理 UnprocessedItems。一个常见的陷阱是，在将关系型数据库的 join 操作迁移为索引查询时，忘记了 GSI 带来的成本和最终一致性问题。

容量模式、性能调优与故障排查

根据可预测性在预置容量和按需容量之间做出选择：带有 Auto Scaling（针对 DynamoDB 的 Application Auto Scaling）的预置模式可以为稳定的工作负载提供对 RCU/WCU 和成本的控制，而按需模式则简化了对突发流量的处理，无需进行容量规划，但单次请求的价格更高。启用 Auto Scaling 并设置目标利用率和多个扩展策略；监控 CloudWatch 指标，如 ConsumedReadCapacityUnits、ConsumedWriteCapacityUnits、ThrottledRequests、SuccessfulRequestLatency、SystemErrors 和 ConditionalCheckFailedRequests，以检测热点和节流。使用自适应容量 (adaptive capacity) 来缓解单键节流问题，但不要依赖它——设计时应确保键的均匀分布。对于读取密集型工作负载，考虑使用 DAX 实现微秒级读取，或使用 Amazon ElastiCache 进行缓存；对于写入密集型负载，使用写入分片（write sharding，如使用前缀或分桶）将写入分散到不同分区。通过检查 ProvisionedThroughputExceededException 并在 SDK 客户端中实施带抖动的指数退避来进行故障排查，启用 CloudWatch Contributor Insights 查找热点键，并使用 Parallel Scan 和分段的工作进程 (segmented workers) 进行大规模的一次性分析。记住项目大小限制（400 KB），以及大项目会增加 RCU/WCU 消耗；必要时，将大型二进制对象 (blob) 拆分到 S3 中，并在 DynamoDB 中存储其元数据。

流、集成、备份和运营最佳实践

DynamoDB Streams 按分区键顺序捕获项目级变更（INSERT、MODIFY、REMOVE），并通过事件源映射与 Lambda 直接集成（将 startingPosition 配置为 TRIM_HORIZON 或 LATEST，设置 batchSize 和 maximumBatchingWindowInSeconds，并调整 bisectBatchOnError 和 maximumRetryAttempts）。为了实现稳健的处理，请将 Lambda 与死信队列（SQS 或 SNS）结合使用，或将流记录路由到 Kinesis 或 Kinesis Data Firehose 进行分析。启用生存时间 (TTL) 以实现项目的自动过期；请注意，TTL 删除是最终处理的，不应依赖其实现即时一致性。使用时间点恢复 (PITR) 和按需备份进行灾难恢复；对于多区域可用性，请使用 Global Tables 在各区域间复制变更。为服务应用最小权限 IAM 角色，并仅为 Lambda 授予必要的 dynamodb:Query、dynamodb:PutItem、dynamodb:UpdateItem、dynamodb:GetItem、dynamodb:DescribeStream 和 dynamodb:ListStreams 操作。常见的运营陷阱包括消费者缺少重试/退避逻辑、GSI 容量规划不足，以及未能监控 Streams 的 IteratorAge 以检测延迟；使用 CloudWatch Logs 和 X-Ray 进行检测以追踪端到端延迟。

实践问题：用例场景

场景：AcmeMedia 在 us-east-1 的单个 DynamoDB 表中运行一个元数据目录，其中包含数千万个项目。一个新上线的图像处理管道需要按 photographerId 和 uploadTimestamp 范围进行低延迟查询，并且下游的 Lambda 消费者必须可靠地处理变更。

挑战：在不重新设计表的情况下，为 photographerId + timestamp 范围添加高效的查询路径，确保下游 Lambda 以至少一次语义处理流记录，并避免多产摄影师导致的热分区。

推荐方法：

创建一个名为 photographer-gsi 的 GSI，其分区键为 photographerId，排序键为 uploadTimestamp；使用 UpdateTable API 或控制台添加该 GSI，并通过 UpdateTable 指定 ProvisionedThroughput 或 On-Demand 计费模式，并设置 IndexStatus 监控。
写入项目时包含 photographerId 和 uploadTimestamp 属性，以便索引投影是稀疏的；选择 ProjectionType=INCLUDE 并包含查询所需的非键属性，以降低存储和写入成本。
在表上配置 DynamoDB Streams 为 ENABLED，并创建一个 Lambda 事件源映射，设置 startingPosition=TRIM_HORIZON，调整 batchSize（例如 100），设置 bisectBatchOnError=true，maximumRetryAttempts=2，并在 Lambda 函数配置中将一个 SQS 队列设置为死信目标 (Dead-Letter Destination)。
实现带抖动 (jitter) 的 SDK 客户端重试（使用 AWS SDK 内置的重试策略），如果单个 photographerId 仍然导致节流，则应用写入分片（在写入时为 photographerId 添加 N 个存储桶的前缀，并在客户端读取时剥离该前缀）。

基本原理：添加 GSI 暴露了所需的访问模式，而无需更改基础主键；仅投影必要的属性可降低 GSI 的写入成本。Streams + Lambda 结合 DLQ 和重试控制提供了可靠的至少一次处理，而分片可以防止高基数流量导致的热分区。

← Amazon API Gateway 与应用集成 · 所有领域 · CloudFormation 与基础设施即代码 (SAM →

练习这些题目 → · 在 ExamRoll.io 上限时练习 →