Recursos do Amazon DynamoDB

O Amazon DynamoDB é um serviço de banco de dados NoSQL totalmente gerenciado que oferece performance de milissegundos de um dígito em qualquer escala e é usado por centenas de milhares de clientes da AWS. Essa sessão apresenta a nova classe de tabela DynamoDB Standard-Infrequent Access (Standard-IA) e a nova integração aprimorada do DynamoDB com o AWS Backup, além de uma recapitulação de todas as versões 2021 de recursos do DynamoDB.

O Amazon DynamoDB é um serviço de banco de dados NoSQL rápido, flexível e totalmente gerenciado que oferece performance de milissegundos de um dígito em qualquer escala. Nesta sessão, conheça os principais benefícios do DynamoDB que podem ajudar a apoiar sua capacidade de aumentar ou diminuir a escala na vertical, com base nas suas necessidades e sem afetar a performance. Ouça o Mercado Libre, uma empresa de comércio eletrônico com 75 milhões de clientes ativos na América Latina, sobre como eles migraram mais de 5.000 bancos de dados Apache Cassandra para o DynamoDB sem alterar uma linha de código. Além disso, saiba como o DynamoDB ajudou o Mercado Libre a expandir suas aplicações para dar suporte ao grande aumento de clientes devido à pandemia de COVID-19.

Nesta sessão, saiba mais sobre o Amazon DynamoDB, um banco de dados sem servidor totalmente gerenciado que oferece alta performance em qualquer escala com segurança integrada, backup e restauração e armazenamento em cache na memória. Ouça Alex DeBrie, diretor da DeBrie Advisory e do AWS Data Hero, sobre os fundamentos do DynamoDB e como usá-lo como mais do que um armazenamento de chave-valor. A modelagem de dados para bancos de dados NoSQL, como o DynamoDB, é diferente da modelagem para bancos de dados relacionais tradicionais. Descubra como modelar requisitos complexos usando blocos de construção simples. Saiba também sobre chaves primárias, índices secundários e padrões para lidar com relacionamentos, filtragem, classificação e muito mais.

Assista à sessão do re:Invent 2020 (Parte 1) »

Assista à sessão do re:Invent 2020 (Parte 2) »

Assista à sessão do re:Invent 2019 »

O ex-tecnólogo chefe da AWS, Rick Houlihan, liderou esta sessão técnica dedicada aos usuários avançados do Amazon DynamoDB. Ele explica os padrões de design e modelos de dados que são baseados em um conjunto de implementações e práticas recomendadas usados por diversos clientes para fornecer soluções altamente escaláveis a uma variedade de problemas empresariais. 

Nesta primeira parte de uma série de duas partes, Rick analisa e demonstra conceitos importantes, incluindo fragmentação de partição e sobrecarga de índice, processamento de gráfico escalável e gerenciamento de bloqueios distribuídos.

Assista à sessão do re:Invent 2020 (Parte 1) »

Assista à sessão do re:Invent 2020 (Parte 2) »

Assista à sessão do re:Invent 2019 »

Assista à sessão do re:Invent 2018 no YouTube »

Os bancos de dados NoSQL são criados especificamente para modelos de dados específicos e otimizados para aplicações modernas, como aplicações móveis, da Web e de jogos, que exigem escalabilidade, baixa latência e flexibilidade. A AWS oferece vários serviços de banco de dados NoSQL totalmente gerenciados e sem servidor, incluindo Amazon DynamoDB, Amazon DocumentDB (compatível com o MongoDB) e Amazon Keyspaces (para Apache Cassandra). Participe desta sessão para saber mais sobre esses bancos de dados NoSQL da AWS que gerenciam conjuntos de dados de chaves e valores, documentos JSON e colunas amplas e selecione a melhor opção para seu caso de uso específico. Ouça também o vice-presidente da McAfee, Deepak Thakral, e saiba mais sobre a transformação do comércio eletrônico com o DynamoDB, que ajudou a obter 40% de economia nos custos de armazenamento.

Nesta sessão, aprenda as práticas recomendadas e os padrões de arquitetura para a criação de backends móveis e da Web e microsserviços orientados por API no AWS Lambda. Explore como aproveitar os recursos do AWS Lambda, do Amazon API Gateway, do Amazon DynamoDB e muito mais para criar facilmente aplicações Web sem servidor altamente escaláveis.

O Disney+, uma das maiores plataformas de streaming de vídeo online do mundo, foi lançado em novembro de 2019 como o lar da Disney, Pixar, Marvel, Star Wars e National Geographic. O Disney+ oferece uma extensa biblioteca de conteúdo digital diretamente aos lares de mais de 60,5 milhões de assinantes; e o Amazon DynamoDB é uma das tecnologias que oferece suporte a essa presença global. 

A equipe de descoberta de conteúdo por trás do Disney+ usa as tabelas globais do DynamoDB para escalar e fornecer recursos populares como Continue assistindo, Minha lista e Recomendações personalizadas. Ouça no Disney+ sobre seus casos de uso e aprendizados com o uso do DynamoDB para atender às necessidades dos clientes em grande escala.

O Dropbox estava passando por um problema de capacidade em seu armazenamento de metadados MySQL on-premises, exigindo que migrasse ou excluísse vários terabytes de metadados para evitar o dobro dos custos de armazenamento. A empresa rapidamente prototipou e migrou os metadados frios para um novo sistema de armazenamento criado com o Amazon DynamoDB e o Amazon S3, que atualmente armazena 300 TBs; e esse número pode aumentar. 
Esse sistema de armazenamento utiliza a escala e flexibilidade do DynamoDB e a economia de custos do S3. A primeira metade da sessão concentra-se em uma revisão arquitetônica da durabilidade, disponibilidade e dimensionamento do DynamoDB. A Dropbox então explica a arquitetura e os mecanismos de dimensionamento para seu sistema de armazenamento de metadados na AWS.

Leia o estudo de caso: Dropbox Saves Millions by Building a Scalable Metadata Store on Amazon DynamoDB and Amazon S3 »

Como as organizações podem fornecer interações personalizadas dinâmicas com o cliente? Saiba como a equipe de engenharia de plataforma da Stitch Fix está transformando as interações com o cliente, oferecendo uma solução altamente simultânea e escalável para recomendações de produtos em tempo real.  Saiba quais são os requisitos arquitetônicos para utilizar o Amazon DynamoDB com o objetivo de otimizar as cargas de trabalho de machine learning quase em tempo real para fornecer a experiência de usuário ideal.