FAQ Amazon MemoryDB

Multi-Region Amazon MemoryDB adalah basis data multi-Wilayah yang terkelola penuh, aktif-aktif yang memungkinkan Anda membangun aplikasi dengan ketersediaan hingga 99,999% dan latensi baca mikrodetik dan latensi tulis satu digit milidetik. Multi-Region Amazon MemoryDB menyediakan redundansi data di beberapa AWS Region sehingga Anda dapat meningkatkan ketersediaan dan ketahanan aplikasi multi-Region Anda, bahkan jika pemrosesan aplikasi terganggu di satu Region dan tidak dapat terhubung ke titik akhir MemoryDB-nya. Multi-Region MemoryDB menawarkan replikasi aktif-aktif sehingga Anda dapat melayani pembacaan dan penulisan secara lokal dari Region yang paling dekat dengan pelanggan Anda dengan latensi baca mikrodetik dan tulis satu digit milidetik. Ini secara asinkron mereplikasi data di antara Region, dan data biasanya disebarkan dalam satu detik. Multi-Region MemoryDB secara otomatis menyelesaikan konflik pembaruan dan memperbaiki masalah divergensi data sehingga Anda dapat fokus pada aplikasi Anda.

Anda harus menggunakan Multi-Region MemoryDB jika ingin membangun aplikasi yang membutuhkan tingkat ketersediaan tertinggi, peningkatan ketahanan, dan peningkatan kontinuitas bisnis. Multi-Region MemoryDB juga dapat digunakan jika Anda ingin membangun dan menjalankan aplikasi multi-Region yang membutuhkan waktu respons cepat di mana saja di dunia.

Saat menggunakan Multi-Region MemoryDB, MemoryDB mereplikasi data di seluruh klaster regional dalam konfigurasi yang disebut klaster multi-Region. Ketika data ditulis ke klaster regional apa pun dalam klaster multi-Region, MemoryDB mereplikasi data tersebut secara otomatis dan asinkron ke semua klaster regional lainnya, biasanya dalam satu detik, tanpa memengaruhi performa aplikasi Anda. Multi-Region MemoryDB menyelesaikan konflik pembaruan dan memperbaiki masalah divergensi data secara otomatis. Resolusi konflik terkelola penuh dan terjadi di latar belakang tanpa dampak apa pun pada ketersediaan aplikasi.

Untuk memulai Multi-Region MemoryDB, Anda membuat klaster multi-Region baru dan klaster regional di salah satu AWS Region yang Anda inginkan menggunakan konsol AWS, AWS SDK, atau CLI. Setelah Anda membuat klaster regional pertama, Anda dapat menambahkan hingga empat Region tambahan ke klaster multi-Region. Ketika data ditulis ke klaster regional mana pun, Multi-Region MemoryDB akan secara otomatis mereplikasi data tersebut ke semua klaster regional lainnya dalam klaster multi-Region, biasanya dalam satu detik. Jika Anda menggunakan MemoryDB hari ini, Anda dapat mengambil snapshot dari klaster Anda dan menggunakannya untuk menghasilkan klaster multi-Region dan klaster regional baru.  

Anda dapat menambahkan klaster regional baru ke klaster Multi-Region MemoryDB dengan membuat klaster regional di masing-masing AWS Region. Namun, Anda tidak dapat menambahkan klaster MemoryDB yang ada ke klaster Multi-Region MemoryDB yang ada. Anda hanya dapat membuat klaster regional baru atau menghapus klaster regional yang ada dari klaster Multi-Region MemoryDB. Saat Anda menghapus klaster regional, Multi-Region MemoryDB akan menghapus klaster di Region tertentu sambil mempertahankan klaster Multi-Region MemoryDB. Pelanggan dapat memilih untuk menambahkan lebih banyak klaster regional dalam klaster Multi-Region MemoryDB yang sama di lain waktu.

Multi-Region MemoryDB pada akhirnya dapat memberikan konsistensi karena melakukan replikasi asinkron, di mana kecepatan dalam memori dapat dipertahankan. Setiap pembaruan yang dilakukan pada kunci di salah satu klaster regional Multi-Region MemoryDB disebarkan ke klaster regional lainnya secara asinkron di dalam klaster Multi-Region MemoryDB, biasanya dalam waktu kurang dari satu detik.

Multi-Region MemoryDB menggunakan Tipe Data Replikasi Bebas Konflik (CRDT) untuk menyelaraskan konflik permintaan penulisan pada beberapa server yang terjadi bersamaan. CRDT adalah struktur data yang dapat diperbarui secara terpisah dan bersamaan tanpa koordinasi. Konflik tulis-penulis digabungkan secara terpisah pada setiap replika dengan hasil yang konsisten.

Jika suatu Region menjadi tertutup atau terdegradasi, Multi-Region MemoryDB melacak setiap penulisan yang telah dilakukan, tetapi belum disebarkan ke semua klaster regional. Ketika Region kembali online, Multi-Region MemoryDB melanjutkan penyebaran penulisan yang tertunda dari Region tersebut ke klaster regional di Region lain. Multi-Region MemoryDB juga melanjutkan penyebaran penulisan dari klaster regional lainnya ke Region yang sekarang kembali online. Multi-Region MemoryDB pada akhirnya menyebarkan semua penulisan yang sebelumnya berhasil, terlepas dari seberapa lama Region tertutup. Konflik dapat muncul jika aplikasi Anda memperbarui kunci yang sama di Region yang berbeda pada waktu yang hampir bersamaan. Multi-Region MemoryDB menggunakan rekonsiliasi Tipe Data Replikasi Bebas Konflik (CRDT) di antara pembaruan bersamaan. Resolusi konflik terkelola penuh dan terjadi di latar belakang tanpa dampak apa pun pada ketersediaan aplikasi.

Throughput dan latensi MemoryDB bervariasi berdasarkan tipe simpul, ukuran payload, dan jumlah koneksi klien. MemoryDB memberikan latensi baca mikrodetik, latensi tulis satu digit milidetik, dan latensi baca-sesudah-tulis pada simpul primer untuk serpihan (shard) klaster. MemoryDB dapat mendukung hingga 390 K permintaan baca dan 100 K permintaan tulis per detik, serta hingga 1,3 GB/dtk throughput baca dan 100 MB/dtk throughput tulis per simpul (berdasarkan pengujian internal pada beban kerja hanya baca dan hanya tulis). Klaster MemoryDB memecah data di satu atau lebih simpul, sehingga memungkinkan Anda untuk menambahkan lebih banyak serpihan (shard) atau replika ke klaster untuk meningkatkan throughput agregat.

MemoryDB menyimpan seluruh set data Anda dalam memori dan menggunakan log transaksional Multi-AZ terdistribusi untuk memberikan daya tahan, konsistensi, dan pemulihan data. Dengan menyimpan data di banyak AZ, MemoryDB memiliki pemulihan dan pemulihan ulang basis data yang cepat. Dengan menyimpan data dalam memori, MemoryDB dapat memberikan performa yang sangat cepat dan throughput tinggi.

MemoryDB memanfaatkan log transaksional terdistribusi untuk menyimpan data secara tahan lama. Dengan menyimpan data di banyak AZ, MemoryDB memiliki pemulihan dan pemulihan ulang basis data yang cepat. Selain itu, MemoryDB menawarkan konsistensi akhir untuk simpul replika dan pembacaan yang konsisten pada simpul primer.

Valkey dan Redis OSS menyertakan fitur append-only file (AOF) opsional, yang menyimpan data dalam file pada disk simpul primer untuk ketahanan. Namun, karena AOF menyimpan data secara lokal pada simpul primer dalam zona ketersediaan tunggal, ada risiko kehilangan data. Selain itu, jika terjadi kegagalan simpul, ada risiko masalah konsistensi dengan replika.

Ya, MemoryDB mendukung ketersediaan tinggi. Anda dapat membuat klaster MemoryDB dengan ketersediaan multi-AZ hingga 5 replika di AZ yang berbeda. Ketika kegagalan terjadi pada simpul primer, MemoryDB akan failover secara otomatis dan mempromosikan salah satu replika agar berfungsi sebagai lalu lintas tulis primer dan langsung ke simpul tersebut. Selain itu, MemoryDB menggunakan log transaksional terdistribusi untuk memastikan data pada replika tetap terkini, bahkan jika terjadi kegagalan simpul primer. Failover biasanya terjadi dalam waktu kurang dari 20 detik untuk pemadaman yang tidak direncanakan dan biasanya di bawah 200 milidetik untuk pemadaman yang direncanakan.

MemoryDB menggunakan log transaksional terdistribusi untuk menyimpan data yang ditulis ke basis data secara tahan lama selama pemulihan basis data, mulai ulang, failover, dan konsistensi akhir antara primer dan replika.

Valkey dan Redis OSS memungkinkan tulisan dan bacaan sangat konsisten pada simpul primer setiap serpihan (shard) dan bacaan akhir konsisten dari replika baca. Properti konsistensi ini tidak terjamin jika simpul primer gagal, karena tulisan dapat hilang selama failover dan berakibat pada pelanggaran model konsistensi.

Model konsistensi MemoryDB mirip dengan Valkey dan Redis OSS. Namun, di MemoryDB, data tidak hilang di seluruh failover, sehingga klien dapat membaca tulisan mereka dari primer walaupun ada kegagalan simpul. Hanya data yang berhasil disimpan dalam log transaksi multi-AZ yang akan terlihat. Pada akhirnya, simpul replika akan tetap konsisten, dengan metrik lag yang dipublikasikan ke Amazon CloudWatch.

Dengan MemoryDB versi 7.0 untuk Redis OSS, kami memperkenalkan multiplexing IO yang disempurnakan, serta menghadirkan peningkatan tambahan pada throughput dan latensi dalam skala besar. MemoryDB versi 7.2 untuk Valkey juga mendukung multiplexing IO yang disempurnakan. Multiplexing IO yang disempurnakan ideal untuk beban kerja yang terikat throughput dengan banyak koneksi klien, dan manfaatnya dapat diskalakan dengan tingkat konkurensi beban kerja. Misalnya, ketika menggunakan simpul r6g.4xlarge dan menjalankan 5200 klien secara bersamaan, Anda dapat mencapai hingga 46% peningkatan throughput (operasi baca dan tulis per detik) serta hingga 21% penurunan latensi P99, dibandingkan dengan MemoryDB versi 6 untuk Redis OSS. Untuk tipe beban kerja ini, pemrosesan IO jaringan simpul dapat menjadi faktor pembatas dalam kemampuan untuk menskalakan. Dengan multiplexing IO yang disempurnakan, setiap pipeline alur IO jaringan khusus memberikan perintah dari beberapa klien ke mesin MemoryDB, dengan memanfaatkan kemampuan mesin untuk memproses perintah secara efisien dalam batch.

Untuk informasi selengkapnya, lihat dokumentasi.

Untuk menulis data ke dan membacanya dari klaster MemoryDB, Anda terhubung ke klaster menggunakan salah satu klien Valkey atau Redis OSS yang didukung. Untuk daftar klien Valkey atau Redis OSS yang didukung, lihat dokumentasi Valkey atau Redis OSS. Untuk petunjuk tentang cara menghubungkan ke klaster MemoryDB Anda menggunakan klien Valkey atau Redis OSS, lihat dokumentasi MemoryDB. Valkey akan bekerja dengan klien Redis OSS yang ada sehingga Anda tidak perlu mengubah klien ketika pindah dari Redis OSS ke Valkey.

Anda membuat klaster MemoryDB hingga 500 simpul. Hal ini memberikan kapasitas penyimpanan memori maksimum ~100 TB, dengan asumsi Anda memiliki 250 simpul primer yang masing-masing dengan satu replika untuk ketersediaan tinggi (total 500 simpul).

Ya, Anda dapat mengubah ukuran klaster MemoryDB Anda secara horizontal dan vertikal. Anda dapat menskalakan klaster secara horizontal dengan menambahkan atau menghapus simpul. Anda dapat memilih untuk menambahkan serpihan (shard) guna menyebarkan set data di lebih banyak serpihan (shard), dan Anda dapat menambahkan simpul replika tambahan ke setiap serpihan (shard) untuk meningkatkan ketersediaan dan throughput baca. Anda juga dapat menghapus serpihan (shard) dan replika untuk mengurangi skala klaster. Selain itu, Anda dapat menskalakan klaster secara vertikal dengan mengubah tipe simpul Anda, yang mengubah memori dan sumber daya CPU Anda per simpul. Selama operasi perubahan ukuran horizontal dan vertikal, klaster Anda akan terus dalam status online serta melayani permintaan baca dan tulis.

MemoryDB mempermudah pemeliharaan dan pembaruan untuk klaster Anda, dan menyediakan dua proses berbeda untuk pemeliharaan klaster. Pertama, untuk beberapa pembaruan wajib, MemoryDB secara otomatis melakukan patching klaster Anda selama jendela pemeliharaan yang ditentukan. Kedua, untuk beberapa pembaruan, MemoryDB menggunakan pembaruan layanan yang dapat Anda terapkan kapan saja atau jadwalkan untuk jendela pemeliharaan di masa mendatang. Beberapa pembaruan layanan secara otomatis dijadwalkan di jendela pemeliharaan setelah tanggal tertentu. Pembaruan klaster membantu memperkuat keamanan, keandalan, serta performa operasional klaster Anda, dan klaster Anda akan tetap dalam status online serta melayani permintaan baca dan tulis. Untuk informasi selengkapnya tentang pemeliharaan klaster, lihat dokumentasi MemoryDB.

Ya, Anda membuat snapshot untuk membuat cadangan data dan metadata klaster MemoryDB Anda. Anda dapat membuat snapshot secara manual, atau Anda dapat menggunakan penjadwal snapshot otomatis MemoryDB untuk mengambil snapshot baru setiap hari pada waktu yang ditentukan. Anda dapat memilih untuk mempertahankan snapshot hingga 35 hari setelah dibuat, dan MemoryDB. Snapshot disimpan di Amazon S3 yang dirancang untuk daya tahan sebesar 99,999999999% (11 sembilan). Selain itu, Anda dapat memilih untuk mengambil snapshot akhir dari klaster Anda saat menghapus klaster. Selain itu, Anda dapat mengekspor snapshot MemoryDB dari layanan ke bucket Amazon S3 Anda. Untuk informasi selengkapnya tentang snapshot, lihat dokumentasi MemoryDB.

Ya, Anda dapat memulihkan klaster MemoryDB Anda dari snapshot saat membuat klaster MemoryDB baru.

Ya, Anda dapat memulihkan klaster MemoryDB Anda dari file Valkey atau Redis OSS RDB. Anda dapat menentukan file RDB untuk pemulihan saat membuat klaster MemoryDB baru.

Ya, Anda dapat memigrasikan data dari ElastiCache ke MemoryDB. Pertama, buat snapshot dari klaster ElastiCache Anda dan ekspor ke bucket S3 Anda. Selanjutnya, buat klaster MemoryDB baru dan tentukan cadangan untuk dipulihkan. MemoryDB akan membuat klaster baru dengan data dan metadata Valkey atau Redis OSS dari snapshot. Untuk informasi selengkapnya tentang migrasi data dari ElastiCache ke MemoryDB, lihat dokumentasi MemoryDB.

Ya, MemoryDB menawarkan metrik operasional dan performa untuk klaster Anda. MemoryDB memiliki lebih dari 30 metrik CloudWatch, dan Anda dapat melihat metrik ini di konsol MemoryDB. Untuk informasi selengkapnya tentang metrik CloudWatch dan MemoryDB, lihat dokumentasi MemoryDB.

Ya, MemoryDB mendukung enkripsi data Anda baik saat diam maupun bergerak. Untuk enkripsi saat diam, Anda dapat menggunakan kunci yang dikelola pelanggan (CMK) AWS Key Management Service atau kunci yang disediakan MemoryDB. Dengan instans Graviton2 untuk klaster MemoryDB, data Anda dienkripsi dalam memori menggunakan enkripsi DRAM 256-bit yang selalu aktif.

MemoryDB menggunakan Daftar Kontrol Akses (ACL) untuk mengontrol autentikasi dan otorisasi klaster Anda. ACL memungkinkan Anda untuk menentukan berbagai izin untuk pengguna yang berbeda di klaster yang sama. ACL adalah kumpulan dari satu atau lebih pengguna. Setiap pengguna memiliki kata sandi dan string akses, yang digunakan untuk mengotorisasi akses ke perintah dan data. Untuk mempelajari ACL di MemoryDB selengkapnya, lihat dokumentasi MemoryDB.

Ya, semua klaster MemoryDB harus diluncurkan dalam satu VPC.

Kami akan terus mendukung lebih banyak sertifikasi kepatuhan. Lihat di sini untuk melihat informasi kesiapan kepatuhan terbaru.

Ya. Untuk menerima riwayat semua panggilan API Amazon MemoryDB yang dibuat di akun Anda, cukup aktifkan CloudTrail di Konsol Manajemen AWS. Untuk informasi selengkapnya, kunjungi halaman beranda CloudTrail.

Tingkatan data untuk Amazon MemoryDB adalah opsi performa harga baru untuk MemoryDB yang secara otomatis memindahkan data yang jarang diakses dari memori ke solid-state drive (SSD) performa tinggi yang dipasang secara lokal. Tingkatan data meningkatkan kapasitas, menyederhanakan manajemen klaster, dan meningkatkan total biaya kepemilikan (TCO) untuk MemoryDB.

Anda harus menggunakan tingkatan data saat membutuhkan cara yang lebih mudah dan lebih hemat biaya untuk menskalakan kapasitas data klaster MemoryDB tanpa mengorbankan ketersediaan aplikasi. Tingkatan data cocok untuk beban kerja yang mengakses hingga 20% datanya secara berkala, dan untuk aplikasi yang dapat menoleransi latensi tambahan saat item yang jarang diakses pertama kali diperlukan. Menggunakan tingkatan data dengan simpul R6gd yang memiliki kapasitas total (memori + SSD) hampir 5x lebih banyak dapat membantu Anda mendapatkan lebih dari 60% penghematan biaya penyimpanan ketika berjalan pada pemanfaatan maksimum, dibandingkan dengan simpul R6g (hanya memori). Dengan mengasumsikan nilai String 500 bita, Anda biasanya akan mendapatkan latensi tambahan 450µs untuk permintaan baca pada data yang disimpan pada SSD dibandingkan dengan permintaan baca pada data di memori.

Tingkatan data bekerja dengan memanfaatkan penyimpanan SSD di simpul klaster ketika kapasitas memori yang tersedia habis. Saat menggunakan simpul klaster yang memiliki penyimpanan SSD, tingkatan data secara otomatis diaktifkan dan MemoryDB mengelola penempatan data, dengan memindahkan item secara transparan antara memori dan disk menggunakan kebijakan yang paling jarang digunakan (LRU). Ketika memori digunakan sepenuhnya, MemoryDB secara otomatis mendeteksi item mana yang paling lama tidak digunakan dan memindahkan nilainya ke disk, sehingga mengoptimalkan biaya. Ketika aplikasi perlu mengambil item dari disk, MemoryDB secara transparan memindahkan nilainya ke memori sebelum melayani permintaan, dengan dampak minimal terhadap performa.

Untuk memulai, buat klaster MemoryDB baru menggunakan instans yang dioptimalkan untuk memori dengan prosesor AWS Graviton2 berbasis ARM dan NVMe SSD (R6gd). Anda kemudian dapat memigrasikan data dari klaster yang ada dengan mengimpor snapshot.

Simpul R6gd dengan tingkatan data didasarkan pada per instans-jam yang digunakan. Anda juga membayar untuk data yang ditulis saat menggunakan R6gd, mirip dengan tipe simpul MemoryDB lainnya. Untuk detail selengkapnya, lihat halaman harga MemoryDB.

Untuk memulai, buat klaster MemoryDB baru menggunakan instans yang dioptimalkan untuk memori dengan prosesor AWS Graviton2 berbasis ARM dan NVMe SSD (R6gd). Anda kemudian dapat memigrasikan data dari klaster yang ada dengan mengimpor snapshot.

Simpul terpesan MemoryDB menawarkan fleksibilitas ukuran di dalam keluarga simpul dan Wilayah AWS. Hal ini berarti bahwa tarif simpul terpesan yang didiskon akan diterapkan secara otomatis untuk penggunaan semua ukuran di dalam keluarga simpul yang sama. Misalnya, jika Anda membeli simpul terpesan r6g.xlarge dan perlu menskalakan ke simpul r6g.2xlarge yang lebih besar, tarif diskon simpul terpesan Anda secara otomatis diterapkan pada 50% penggunaan simpul r6g.2xlarge di Wilayah AWS yang sama. Kemampuan fleksibilitas ukuran akan mengurangi waktu yang Anda perlukan untuk mengelola simpul terpesan dan karena Anda tidak lagi terkait dengan ukuran simpul basis data tertentu, Anda dapat memaksimalkan diskon bahkan jika kebutuhan kapasitas berubah.

Harga simpul terpesan MemoryDB didasarkan pada tipe simpul, durasi jangka waktu (satu atau tiga tahun), opsi pembayaran (Tanpa Pembayaran di Muka, Sebagian di Muka, Semua di Muka), dan Wilayah AWS. Harap perhatikan bahwa harga simpul terpesan tidak mencakup biaya data tertulis atau Penyimpanan Snapshot. Untuk detail selengkapnya, lihat halaman harga MemoryDB.

MemoryDB menawarkan simpul terpesan untuk simpul R6g, R7g, dan R6gd (dengan tingkatan data) yang mengoptimalkan memori.

Pencarian vektor untuk MemoryDB mendukung penyimpanan jutaan vektor dengan waktu respons kueri dan pembaruan satu digit milidetik, sambil mencapai lebih dari 99% penarikan. Pencarian vektor untuk MemoryDB dapat menyimpan vektor yang Anda hasilkan dari layanan seperti Amazon Bedrock dan Amazon SageMaker.

Anda harus menggunakan pencarian vektor untuk MemoryDB saat membangun aplikasi kecerdasan buatan dan machine learning (AI/ML) berkecepatan tinggi dengan menggunakan API MemoryDB. Pencarian vektor untuk MemoryDB cocok untuk kasus penggunaan ketika performa puncak adalah kriteria pilihan yang paling penting. Mulai tanggal 26 Juni 2024, MemoryDB memberikan performa pencarian vektor tercepat pada tingkat penarikan tertinggi di antara basis data vektor populer di AWS. Anda dapat menggunakan pencarian vektor MemoryDB untuk mendukung kasus penggunaan ML dan AI generatif seperti Retrieval Augmented Generation (RAG), deteksi anomali (fraud), mesin rekomendasi waktu nyata, dan pengambilan dokumen.

Saat mengonfigurasikan aplikasi yang berbasis AI/ML untuk kecepatan, pencarian vektor tersebut dapat menyebabkan respons kualitas yang lebih buruk seperti pengukuran menggunakan tingkat penarikan. Pencarian vektor untuk MemoryDB memberikan throughput tertinggi dengan kueri satu digit milidetik dan memperbarui waktu respons tanpa mengorbankan penarikan dengan menyimpan vektor dalam memori.

Dengan pencarian vektor, Anda dapat menyimpan, mengindeks, mengambil, dan mencari sematan vektor dalam MemoryDB bersama data Anda. Pertama, Anda menghasilkan penyematan vektor secara langsung melalui model penyematan seperti Sematan Amazon Titan atau melalui layanan terkelola seperti Amazon Bedrock. Kemudian, Anda memuat sematan ke MemoryDB setelah menginisialisasi indeks vektor menggunakan API bidang data MemoryDB. MemoryDB menyimpan sematan vektor sebagai tipe data JSON atau hash. 

Saat dimuat, MemoryDB membangun indeks dengan sematan vektor Anda. Saat Anda memuat data baru, memperbarui yang ada, atau menghapus data, MemoryDB mengalirkan pembaruan ke indeks vektor dalam satu digit milidetik. MemoryDB mendukung kueri pencarian yang efisien, pemfilteran awal, dan banyak metrik jarak (kosinus, produk titik, dan Euclidean). Untuk informasi selengkapnya tentang cara menggunakan pencarian vektor untuk MemoryDB, lihat dokumentasi.

Tidak ada biaya tambahan untuk penggunaan pencarian vektor untuk MemoryDB. Kunjungi halaman harga MemoryDB untuk mempelajari selengkapnya.