在 Serverless 架构中更快的查询 DynamoDB(使用 DAX)

Serverless 架构的出现彻底改变了后端开发的方式,通过云服务提供商的函数计算(Function as a Service)等技术,我们可以轻松地构建、部署、操作一个高可用且具有弹性的系统,极大地减轻了后端开发和运维的难度和工作量。在 Serverless 架构中,DynamoDB 是一种优秀的 NoSQL 数据库选择,能够为我们的应用程序提供快速、可靠、可伸缩的数据存储解决方案。但是由于 DynamoDB 的特殊特性,快速查询和检索数据一直是开发者们的一个挑战,而 DAX(DynamoDB Accelerator)被认为是解决这个问题的最佳选择,在这篇文章中,我们将介绍如何使用 DAX 在 Serverless 架构中更快的查询 DynamoDB。

为什么需要加速 DynamoDB 查询?

通常,在使用 DynamoDB 存储数据时,我们需要执行一些查询操作,例如从一个特定的主键中获取一个项目或使用过滤器检索一个或多个项目。但是,使用 DynamoDB 自带的 API 进行查询所需的时间取决于许多因素,如数据大小、表的 schema、查询和 filter 条件等。 如果要频繁地对存储在 DynamoDB 中的数据进行查询和过滤,这将很快变得非常慢,尤其是在数据集变得越来越大时,因为 DynamoDB 需要遍历整个数据集才能返回查询结果。此时,加速查询操作是必要的。

什么是 DAX(DynamoDB Accelerator)?

DynamoDB Accelerator(DAX)是一种可自行部署的缓存服务,可在几毫秒内提供响应,用于加速 DynamoDB 查询操作。作为 DynamoDB 的缓存层,DAX 可以将查询结果缓存在内存中,无需在使用 DynamoDB 的情况下执行多达数百万次写入和读取操作。它还可以解决重复项和热点查询等许多缓存相关问题,使查询操作变得更快、更可靠。

在 Serverless 架构中使用 DAX

在 Serverless 架构中使用 DAX 并不复杂,它只需使用一个额外的 Lambda 层来提供 DAX 的驱动程序,使用它非常容易。让我们看看如何在 Serverless 架构中使用 DAX 进行 DynamoDB 查询。

首先,我们需要在 Lambda 函数中安装 DAX 驱动层,当前有两种方法来完成这个任务:使用 AWS 公共层或者创建自定义层。借助 AWS 公共层,我们可以使任何使用 AWS Lambda 的人都能在无需额外操作的情况下在其函数中调用 DAX,如下所示:

------ ----------------------------------------------
------ -----------------------------------------------------
------ ------------------------------------------------
------ -------------------------------------------------
------ -------------------------------------------------------
------ --------------------------------------------------------------
------ --------------------------------------------------
------ ---------------------------
------ -------------------------------------------

------ ----- --------- ---------- ----------------------------- --------------- -
    ------ ----- ------ -------------------------- - -------------
    ------ ----- ------ ---------------------------- - ---------------

    ---------
    ------ -------------- --------------------------- -------- ------- -------- -
        -------------------------------------------------
        ---------------------------------------------------------- -----------------------

        ------------ --------- - ----------------------
            --------------------------------- -- -------
                --------------------------------
                ------------------------ ---------------------------------------------
            ---------------------------------------
            ---------

        -------------- -------- - --------------------------------------
            --------------------------------
            ------------------------ --------------------------------------------
            ------------------------------ --------------------------------------------------------------------- ---------------------
            ---------

        ----- ----- - --- ----------------------------- --------- -----------

        ------ -- - --------------------------

        ---- ---- - ----------------- ------------------------------------------------------- --- ------------------------------
        -- ----- -- ----- -
            ----- --- ----------------------- --- ----- --- ---- - - ----
        -

        ------ --- ------------------------------
    -
-

代码中的 AWSDaxClient 类是 DAX 驱动层的入口点,可以使用 AWSDaxClientBuilder 来创建它。AWSDaxClient 与原始 DynamoDB 的区别在于,它会自动缓存查询结果以加速查询。使用 Table 类查询 DynamoDB 表,需要向其传递 AmazonDynamoDBAWSDaxClient 实例。在这里我们还在表建立时使用了一个 TracingHandler 来记录分段运行时的性能指标。

接下来,我们需要在 Lambda 函数代码中引入现有的 DAX 查询逻辑。DAX 提供了支持查询和 filter 条件的各种方法,我们可以根据查询需要来选择最适合的工具。以下是一个使用 DAX 查询条件的示例代码:

------ ----------------------------------
------ ----------------------

------ ---------------------------------------------
------ --------------------------------------------------------
------ ----------------------
------ ----------------------------------------------
------ ---------------------------------------
------ -------------------------------------------------
------ --------------------------------------------------------------
------ ------------------------------------------------
------ -------------------------------------------------
------ -------------------------------------------------------
------ -------------------------------------------------------
------ -----------------------------------------------------
------ ----------------------------------------------------
------ ---------------------------
------ -------------------------------------------
------ ---------------------------------------------------------

------ ----- --------- ---------- ----------------------------- --------------- -
    ------ ----- ------ -------------------------- - -------------
    ------ ----- ------ ---------------------------- - ---------------

    ---------
    ------ -------------- --------------------------- -------- ------- -------- -
        -------------------------------------------------
        ---------------------------------------------------------- -----------------------

        ------------ --------- - ----------------------
            --------------------------------- -- -------
                --------------------------------
                ------------------------ ---------------------------------------------
            ---------------------------------------
            ---------

        -- -----------
        -------------- -------- - --------------------------------------
            --------------------------------
            ------------------------ --------------------------------------------
            ------------------------------ --------------------------------------------------------------------- ---------------------
            ---------

        ----- ----- - --- ----------------------------- --------- -----------

        -- -- ------------ ---
        ------------ ------------ - --- --------------
            --------------------------------------
            --------------------------------- - -------
            ---------------------------------------------------------------- --- ----------------------------------------------------
        ----------- ----------- - ------------------------------

        -- ------
        ---------- ----- - --- --------------
        --- ------------ --------------- ------ - ----------------------- -
            --------------------------- -----------------------------------
        -

        -- ----
        ------------- ------------ - --- ----------------
        --- ----- ------ - ------ -
            ----------------------------------- - ------------------------
        -

        ------ --- ----------------------------------------
    -
-

在代码中,我们首先通过 AWSDaxClientBuilder 来创建一个 DAX 客户端实例,不同于 DAX 驱动层,DAX 客户端可以直接通过 Query 函数来查询 DynamoDB 表,并返回查询结果。最后,我们将查询结果缓存到内存中,并使用 Item 对象来访问数据。

结论

在 Serverless 架构中,DynamoDB 是一种非常强大和可靠的数据存储解决方案,但是查询和检索数据的问题可能会使开发人员非常头疼,因为它需要在数据集中遍历整个数据集才能返回查询结果。DAX(DynamoDB Accelerator)是 AWS 提供的一个快速查询 DynamoDB 的解决方案,可以通过缓存查询结果来加快查询速度。在 Serverless 架构中使用 DAX 可帮助我们更快地查询 DynamoDB 表,并提供了一种轻松的方法来部署和管理 DAX 实例。我们希望这篇文章能够帮助您更好地了解 DAX 以及如何在 Serverless 架构中使用它。

来源:JavaScript中文网 ,转载请注明来源 本文地址:https://www.javascriptcn.com/post/6703ad2bd91dce0dc84c2060