Dynamodb

Question

我正在尝试创建一个表来存储DynamoDB中的发票行项目。我们假设该项目由CompanyCode，InvoiceNumber和LineItemId，金额和其他订单项详细信息定义。

唯一项目由前3个属性的组合定义。对于不同的项目，这些属性中的任何两个都可以是相同的。我应该选择什么作为哈希属性和范围属性？

Answer 1

我相信the first option offered by @georgeaf99不起作用，因为如果你这样做，那么CompanyCode必须在表格中是唯一的。因此，每个公司只允许一个项目。我认为第二种解决方案是唯一真正的方法。

您可以使用CompanyCode作为哈希键，然后结合使项目唯一的所有其他字段（在本例中为InvoiceNumber和LineItemId）需要以某种方式合并为一个值（例如与字段分隔符串联），这将是您的范围键。不幸的是，这有点难看，但这就是像DynamoDB这样的NoSQL数据库的本质。但是，它将允许您成功存储具有正确唯一性的记录。回读记录时，如果您不想将组合字段解析回各个部分，则必须为InvoiceNumber和LineItemID添加其他单独的字段。

如果每个公司没有大量发票，则只能通过哈希密钥进行查询，并在客户端进行过滤。如果每个公司有大量发票并且只需要查询单个发票的项目，那么我将在CompanyCode和InvoiceNumber上创建二级索引。

Answer 2

一些介绍

为了提高效率，我会提出完全不同的设计。对于NoSQL数据库（和DynamoDB没什么不同），我们始终需要首先考虑访问模式。另外，如果可能的话，我们应努力将所有数据放入同一张表和多个索引中。从OP和他的评论中可以得出，这是两种访问模式：

1. 对于公司X，获取完整的发票Y（包括所有项目或项目范围）[基于此comment]
2. 获取X公司的所有发票[基于此comment]

我们现在想知道什么是好的主键？转换为疑问，什么是好的分区键（PK），什么是好的排序键（SK），我们需要创建哪些二级索引，以及哪种类型的二级索引（本地或全局）？一些提醒：

• 主键可以位于一列或复合键上
• 复合主键由分区键和排序键组成
• 分区键用作确定项目分区的哈希函数的输入
• 排序键也可以是复合键，这使我们可以在DynamoDB中建立一对多关系的模型，如以下评论链接之一所示：https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/bp-sort-keys.html
• 在表或索引上创建查询时，您始终需要在分区键上使用'='运算符
• 在“排序键”上查询范围时，您可以选择KeyConditionExpression，该选项为您提供set of operators for sorting及其之间的所有内容（其中之一是功能begins_with (a, substr)）
• 如果您需要进一步优化查询结果（对投影属性进行过滤），还可以使用FilterExpression
• 本地二级索引（LSI）与原始表具有相同的分区键，但具有不同的排序键，并根据另一种排序键为您提供了不同的数据视图
• 全局二级索引（GSI）与原始表具有不同的分区键和排序键，从而使您对数据的看法完全不同
• 具有相同分区键的所有项目都存储在一起，对于复合主键，按排序键值进行排序。如果集合大小超过10 GB，DynamoDB会按排序键拆分分区。

返回建模

很明显，我们正在处理需要建模并适合同一张表的多个实体。为了满足分区键在表上唯一的条件，CustomerCode是自然的分区键-因此，我将确保其唯一。如果不是，那么您需要问自己：如何为第二种访问模式建模？

假设我们已经在CompanyCode上建立了唯一性，我们可以简化说，它以电子邮件的形式出现（或者可以是域，也可以是代码，但我将使用电子邮件进行演示）。 / p>

• 公司与发票之间的关系始终为1：很多。
• 发票和项目之间的关系始终为1：很多。

我建议如下图所示的设计：

• 如果PK为CompanyCode，SK为InvoiceNumber，则可以存储该公司有关该发票的所有属性。
• 没有什么可以阻止我添加SK为Customer的记录，这使我可以存储有关公司的所有属性。
• 使用GSI1，我们将创建反向查找，其中GSI1PK是我的表SK（InvoiceNumber），而我的GSI1SK是我的表PK（CompanyCode）。
• 我正在使用同一张表存储订单项，其中PK为LineItemId，SK为CompanyCode（仍然是唯一的）
• 对于项目实体项目，我的GSI1PK仍为InvoiceNumber，我的GSI1SK为LineItemId，这是表PK，因此与“发票”实体项目相同。

现在支持以下访问模式：

• 如果要获取X公司和所有项目的发票Y（访问方式1）：查询表CompanyCode=X，并在排序键上将KeyConditionExpression与=运算符一起使用InvoiceNumber。如果要获取与该发票相关的所有项目，我将使用Items投影ProjectionExpression属性。
• 通过使用先前对公司X和发票Y的查询来检索所有项目，我现在可以在表上运行BatchGetItem API调用（使用我的唯一组合键LineItemId+CompanyCode）以获取属于该项目的所有项目该特定客户的特定发票。 （这带有BatchGetItem API的一些限制）
• 要支持访问模式2，我将对PK上的CompanyCode=X进行查询，并在SK上将KeyConditionExpression函数/运算符与begins_with (a, substr)一起使用，以仅获取公司X的发票，而不获取公司X的发票有关该公司的元数据。这将为我提供给定公司/客户的所有发票。
• 此外，在GSI1以上的情况下，对于任何给定的InvoiceNumber，我都可以轻松地选择属于该特定发票的所有行项目。 记住： The key values in a global secondary index do not need to be unique-因此，在我的GSI1中，我可以很容易地开具发票_1->（项目_1，item_2），然后又有另一个发票_1->（项目_1，item_2），但是GSI将位于SK中（它将与不同的CompanyCode相关联（但出于演示目的，我使用了invoice_1和invoice_2）。

Answer 3

我确定你已经发现你的主键（哈希+范围）不能超过两个属性。因此，根据您要执行的查询类型和数据大小，您可以采用不同的方式构建表格。

（针对您上面提到的查询类型进行了优化：仅CompanyCode＆amp;全部3）

适用于中小型数据集的最佳解决方案：

• 哈希键：CompanyCode
• 仅使用CompanyCode和执行查询 然后根据其他两个属性过滤结果

大数据集的最佳解决方案：

• 哈希键：CompanyCode
• 范围键：InvoiceNumber + LineItemId
• 这允许您仅查询索引，但表结构非常难看