我正在从 MS Sql 迁移到 DynamoDB，我不确定什么是最适合我的哈希键。在 MS SQL 中，我有一个项目表，其中存储了不同客户的一些产品信息，所以实际上主键是两列 customer_id 和 item_no。在应用程序代码中，我需要查询特定项目和所有项目的客户 ID，所以我的第一个想法是将客户 ID 设置为哈希键，将项目编号设置为范围键。但就分区而言，这是最好的概念吗？我需要每天为一些大客户导入 50.000-100.000 种产品的产品数据，据我所知，最好有一个随机哈希键。否则，导入作业将仅在一个分区上运行。 有人可以告诉我在这种情况下最好的数据模型是什么吗？
再见， 彼得
【问题讨论】：
标签： amazon-web-services amazon-dynamodb database nosql
听起来您需要 item_no 作为分区键，而 customer_id 作为排序键。此外，为了有效地查询 customer_id 的所有项目，您需要在 customer_id 上创建一个全局二级索引。
此配置应为您提供良好的分布，同时允许您运行您指定的查询。
【讨论】：
您走在正确的轨道上，您在每天执行导入作业时应该非常小心处理写入操作的方式。 还要避免不必要地添加索引，因为它们只会增加您的写作操作。
使用customer_id 作为哈希键和item_no 作为范围键将提供最佳选择，不仅可以查询，还可以上传数据。
正如您所提到的，客户 ID 的随机化将非常有助于优化资源的使用并防止出现热分区的可能性。在您的情况下，我将遵循 DynamoDB 文档中包含的确切示例：
[...] 增加此应用程序写入吞吐量的一种方法 将是跨多个分区键值随机写入。 从固定集合中选择一个随机数（例如，1 到 200），然后 将其连接为后缀 [...]
因此，当您编写客户信息时，只需将后缀随机分配给您的客户 ID，请确保均匀分配它们（例如 CustomerXYZ.1、CustomerXYZ.2、...、CustomerXYZ.200）。
要阅读所有项目，您需要获取每个后缀的所有项目。例如，您将首先发出对分区键值 CustomerXYZ.1 的查询请求，然后对 CustomerXYZ.2 发出另一个查询，以此类推通过 CustomerXYZ.200。因为您知道后缀范围（在本例中为 1...200），您只需查询将每个后缀附加到客户 ID 的记录。
哈希键 CustomerXYZ.n 的每个查询都应从该特定客户返回一组项目（由范围键指定），您的应用程序需要合并所有查询请求的结果。
这肯定会让您更难阅读记录（就所需的额外请求而言），但是，优化吞吐量和性能的好处将得到回报。请记住，热分区不仅会增加您的整体财务成本，还会极大地影响您的性能。
如果您有一个设计良好的分区键，您的查询将始终以最低的成本快速返回。
此外，请确保您的导入作业不执行按客户分组的写入操作，例如，不要按顺序写入来自特定客户的所有项目，而是对写入操作进行排序，以便将它们分配给所有客户。即使您的客户将分布在多个分区中（由于 id 随机化过程），您最好采取这种额外的安全措施来防止单个分区中的写入活动爆发。更多详情如下：
来自官方 DynamoDB 文档的“在数据上传期间分发写入活动”部分：
为了充分利用所有的吞吐能力 为您的表配置，您需要分配工作负载 跨分区键值。在这种情况下，通过引导不均匀 对所有具有相同分区键的项目的上传工作量 价值，您可能无法充分利用所有资源 DynamoDB 已为您的表预置。您可以分发您的 通过首先从每个分区键值上传一项来上传工作。 然后为下一组排序键值重复该模式 所有项目，直到您上传所有数据 [...]
来源： http://docs.aws.amazon.com/amazondynamodb/latest/developerguide/GuidelinesForTables.html
我希望这会有所帮助。问候。
【讨论】：