Artículos comparativos sobre la selección y el diseño de servicios de bases de datos de AWS: RDS, DynamoDB, ElastiCache y Aurora
Presentamos técnicas para construir arquitecturas dirigidas por eventos de sincronización de datos en tiempo real mediante captura de datos de cambios de DocumentDB integrada con triggers Lambda.
Organizamos los criterios de selección entre Redis y Memcached, y presentamos las estrategias de caché Lazy Loading y Write-Through junto con el uso del modo Serverless.
Se presenta la construcción de una red blockchain privada con Hyperledger Fabric, el desarrollo de chaincode y la gobernanza de gestión de miembros.
Logra un RPO inferior a 1 segundo con replicación física a nivel de almacenamiento. Presenta los procedimientos de failover planificado y no planificado, y el uso de Write Forwarding para lectura global.
Aprenda a diseñar y operar bases de datos distribuidas utilizando Amazon Keyspaces (para Apache Cassandra) y DynamoDB.
Explicamos la aceleración de lecturas de DynamoDB con DAX, las estrategias de caché y el diseño de clústeres.
Explicamos los métodos de diseño y operación de bases de datos de documentos utilizando Amazon DocumentDB y DynamoDB.
Gestione datos de documentos con API compatible con MongoDB y logre escalado de lectura y DR con hasta 15 réplicas de lectura y clústeres globales. Explicamos el uso de sharding con clústeres elásticos.
Seleccione clases de instancia en DocumentDB compatible con MongoDB y asegure la escalabilidad con sharding mediante Elastic Clusters. También presentamos estrategias de backup.
Explicamos el diseño de claves de partición en DynamoDB, el diseño de tabla única y la implementación de patrones de acceso mediante GSI.
Logre lecturas y escrituras de baja latencia con replicación activo-activo multirregión. Presentamos el mecanismo de resolución de conflictos y el diseño de DR.
Explicamos el mecanismo por el cual DynamoDB mantiene latencia de milisegundos de un dígito independientemente de la escala, desde la arquitectura de 3 capas: algoritmo de particionamiento, router de solicitudes y nodos de almacenamiento.
Opere una base de datos de columna ancha compatible con Apache Cassandra de forma serverless. Presentamos la selección de capacidad bajo demanda y aprovisionada y el diseño de claves de partición.
Gestione datos de columna ancha con la API CQL compatible con Apache Cassandra y elimine la carga operativa con capacidad bajo demanda serverless. Explicamos la diferenciación con el modo aprovisionado y la replicación multi-región.
Se explica la operación de base de datos en memoria compatible con Redis con MemoryDB, el mecanismo de durabilidad y la diferenciación con ElastiCache.
Explicación de la construcción de bases de datos de grafos con Amazon Neptune. Se presenta el soporte de lenguajes de consulta, Neptune Analytics y la búsqueda vectorial.
Opera bases de datos relacionales como servicio gestionado con backups automáticos, parches y alta disponibilidad. Presentamos el diseño de Multi-AZ y Read Replicas para escalabilidad de lectura.
Analizamos en detalle el mecanismo de failover de RDS Multi-AZ: el tiempo de conmutación, la propagación DNS, el impacto en las conexiones de aplicación y las mejores prácticas para minimizar la interrupción.
Construye almacenes de datos en memoria de alto rendimiento con MemoryDB (durabilidad) y ElastiCache (caché). Explicamos la selección entre ambos, el diseño de clústeres y los patrones de uso.
Explicamos cómo construir bases de datos relacionales de alta disponibilidad utilizando Amazon RDS y Aurora.
Construya bases de datos que escalan automáticamente según el tráfico con Aurora Serverless v2 y el modo bajo demanda de DynamoDB. Explicamos los criterios de selección de bases de datos serverless según las características de la carga de trabajo.
Explicamos la gestión, consulta y análisis de datos de series temporales con Amazon Timestream. Presentamos el almacenamiento de datos de sensores IoT y métricas de aplicaciones, el almacenamiento con jerarquización automática y el análisis mediante consultas SQL.
Ingesta de datos de sensores IoT en Timestream, realizando análisis de series temporales con agregación en tiempo real basada en SQL y consultas programadas. Explicamos la optimización de costos mediante la jerarquización automática entre almacén de memoria y almacén magnético.