使用DynamoDB进行N对N建模

Question

我正在参与一个项目，其中使用DynamoDB作为大部分持久数据的存储。我现在正试图对数据结构进行建模，使其更像传统SQL数据库中的建模方式，但我也希望探讨好的NoSQL设计方案，以适应这种类型的数据。

例如，考虑一种简单的N到N关系，比如将物品分组到类别中。在SQL中，可能会使用连接表来建模，例如：

items
-----
item_id (PK)
name

categories
----------
category_id (PK)
name

item_categories
---------------
item_id     (PK)
category_id (PK)

要列出一个类别中的所有项目，可以执行如下连接操作：

SELECT items.name from items 
  JOIN item_categories ON items.item_id = item_categories.item_id
  WHERE item_categories.category_id = ?

要列出一个项目所属的所有类别，可以进行相应的查询：

SELECT categories.name from categories 
  JOIN item_categories ON categories.category_id = item_categories.category_id 
  WHERE item_categories.item_id = ?

在一般情况下，以及在像DynamoDB这样的NoSQL数据库中，是否有希望以相当高效的方式（不需要很多（N，甚至？）单独操作）对这样的关系进行建模，特别是针对像上面那样的简单用例 - 当没有等价于JOIN时？

还是应该选择RDS？

我考虑过以下几点：

1. 将类别作为项目内的数组。这使得查找项目的类别变得容易，但无法解决获取类别内所有项目的问题。而且我需要在每个项目中复制所需的属性，例如类别名称等。更新类别会很麻烦。

2. 为每个类别重复每个项目，并使用category_id作为范围键，并添加一个反向的GSI（category_id作为哈希，item_id作为范围）。虽然去规范化对于NoSQL来说很常见，但我仍然有些疑虑。可能将项目分成items和item_details，只复制列表等中需要的最常见的属性。

3. 使用连接表将项目与类别相互映射。使用[item_id, category_id]作为键，[category_id, item_id]作为GSI，以支持两个查询。在这里复制最常见的属性（名称等）。要获取类别的所有完整项目，仍需要执行一个query，然后进行N个get操作，这会消耗大量CU。更新项目或类别名称将需要多个update操作，但并不太困难。

我的困境是数据本身的格式非常适合文档数据库，而我需要的关系适合SQL数据库。如果可能的话，我想继续使用DynamoDB，但显然不是任何代价...

- JHH

Answer 1

你已经朝着正确的方向看了！

为了做出明智的决策，你还需要考虑数据的基数：

你期望只有很少的分类（少于十个吗？）或者很多分类（例如数百个、数千个、数万个等等）？

每个类别中的项目如何：你期望有很多类别，其中每个类别只有几个项目，还是有一些类别，但是其中有很多项目？

接下来，你需要考虑整个数据集以及各种类型查询的基数。你是否通常只需要检索单个分类中的项目？或者你主要进行单独检索项目的查询，并且只需要统计每个类别中的项目数量等。

最后，请考虑预期的数据集随时间的增长情况。只要你的查询分区良好，DynamoDB通常会在规模上优于RDBMS。

特别是在规模上，考虑每种查询类型的可接受延迟。例如，如果你期望有数百个类别，每个类别都有数千个以上的项目，那么检索类别中的所有项目意味着什么？当然你不会同时将它们全部显示给用户。

我建议你还应该考虑使用另一种数据存储与DynamoDB配套，例如ElasticSearch或Redis集群，如果需要对数据进行统计。

最后，如果聚合查询或连接对于你的用例至关重要，或者如果大规模的数据集通常可以在单个RDBMS实例上轻松处理，那么不要试图让方形钉子适应圆形洞。类似Aurora的托管RDBMS解决方案可能更合适。

- Mike Dinescu