用 DynamoDB 实现多级人物关系之数据结构与建模
内容提要
该文章介绍了客户使用亚马逊云科技的DynamoDB构建人物关系的业务场景和实现方法，包括游戏推荐和广告投递。通过设计和实现一级好友关系建模，利用DynamoDB的主键和属性以及访问模式设计，实现了快速的数据查询和修改。文章还提供了使用API进行数据操作的示例代码。
延伸解读
从关系型到NoSQL：建模思路的转变
文章对比了传统ER建模与DynamoDB单表设计的差异。在关系型数据库中，用户、关系、关系类型等实体通常拆分为多张表；而DynamoDB建议将相关实体整合到一张表内，通过分区键和排序键来组织数据。这种转变要求开发者提前规划访问模式，而非依赖运行时JOIN。对于习惯SQL的团队，需注意本地索引只能在建表时创建且最多5个，全局二级索引虽可后续添加但最多20个，这些限制会影响扩展灵活性。
主键与排序键的设计技巧
文章以A-B关系为例，说明分区键使用user_id保证唯一性，排序键则通过组合type_id和relevant_id来支持按关系类型筛选。例如，在排序键前添加前缀（如#Metadata#UserID）并利用ScanIndexForward，可以控制排序方向，甚至用Limit 1快速获取元数据。这种设计能高效查询某个用户的所有好友，但需注意排序键的组成需提前规划，因为后期修改可能影响现有查询模式。
查询API的选择与表达式使用
DynamoDB提供Single Item、Query和Scan三种API。文章强调Scan会扫描全表，应尽量避免，仅适用于小表或迁移场景。Query API每次最多返回1MB数据，适合通过分区键检索。示例中结合KeyConditionExpression、FilterExpression和ConditionExpression实现按性别过滤且排除已删除关系。需注意FilterExpression在查询后应用，可能消耗额外读取容量，设计时应尽量让过滤条件融入主键或索引。
工具与生产实践建议
文章推荐使用NoSQL Workbench进行可视化建模，支持一键部署到亚马逊云科技账号，并能生成示例数据测试访问模式。对于初次使用者，这能降低学习成本。但需注意，Workbench主要辅助设计阶段，生产环境中的容量规划、索引优化仍需结合业务增长评估。此外，删除关系采用更新delete_status的软删除方式，而非物理删除，这有利于数据恢复但可能增加存储成本，需权衡业务需求。
Q&A
DynamoDB在人物关系建模中的优势是什么？
DynamoDB因其可扩展性和无服务器特性，能够处理TB级以上的数据而不降低性能，适合实时在线查询。
如何在DynamoDB中设计人物关系的数据库模型？
在DynamoDB中，通常将多个实体和属性整合到一张表中，使用分区键和排序键设计以优化查询效率。
DynamoDB支持哪些主要的API查询方式？
DynamoDB提供单个项目查询、检索API和扫描API三种主要查询方式。
如何使用NoSQL Workbench进行DynamoDB建模？
可以通过NoSQL Workbench创建新模型，输入表格名称、分区键和主键，并添加属性来设计DynamoDB模型。
DynamoDB的主键设计有哪些注意事项？
主键设计需考虑数据分布和查询效率，分区键需唯一，排序键可通过合并属性提高查询速度。
DynamoDB如何实现快速的数据查询和修改？
通过设计合理的访问模式和使用API操作，如创建、更新和删除关系，DynamoDB能够实现快速的数据查询和修改。
