一种读密集型的内存缓存 — Amazon DynamoDB Accelerator (DAX) 发行公开预览版

内容简介：一种读密集型的内存缓存 — Amazon DynamoDB Accelerator (DAX) 发行公开预览版

AWS发行了 Amazon DynamoDB Accelerator（DAX） 的公开预览版，它是一种完全受托管的write-through缓存服务，在逻辑上位于DynamoDB数据表的前面，提高读密集型负载的性能。DAX与DynamoDB是API兼容的，也就是说，现有的应用程序可以直接使用DAX，而不用被重写。该预览版目前只支持Java SDK。

Amazon DynamoDB 是一种完全受托管的、可扩展的NoSQL数据库服务，它既支持文档模型也支持键值存储模型。据 AWS 博客 所称, DynamoDB可被用于广告技术、物联网、游戏、电子商务和金融，有些用户在一张DynamoDB表中存储超过100TB的数据而且每秒提交上百万个读写请求。有些高要求的应用程序有着最终一致的读密集型负载，开发DAX的目的就是为这些应用程序提供快速的内存性能。

DAX可处理下面三种应用场景：

• 作为内存缓存，DAX将最终一致的读负载的延时降低了一个 数量级 ，从几毫秒降到微妙级。

• DAX提供了一种可管理的服务来降低运营上和应用上的复杂度，该服务与Amazon DynamoDB是API兼容的，因此在现有应用程序中实现它的时候只要求 最小的功能更改 。

• 对于读取繁重或突发性的负载，DAX降低对过度分配 读容量单元（read capacity units） 的需求，从而提高吞吐量和降低运营成本。这一点对遭遇 热键（hot keys） 的应用程序很有用，对大型DynamoDB数据集（其中，不同分区内的读容量单元是均等分布的）的读吞吐量也很有用。

作为一个可管理的服务，DAX集群可通过AWS UI来创建，运营任务如软件打补丁、集群维护、复制或故障管理是自动处理的（可指定一个维护窗口）。每一个DAX集群可包含1到10个节点，可以通过增加节点来提高整体的读取吞吐量。缓存的大小基于节点的大小，范围从dax.r3.large到dax.r3.8xlarge，在集群被初始化的时候指定这个值。集群在VPC中运行，节点可以分布在整个可用区域。

DAX的预览版目前只支持 DynamoDB Java SDK 的API，而且必须用一种新的用于 Java 的DAX SDK来与DAX进行交互。AWS文档表明，这是因为SDK与集群发生交互时使用了一个低级TCP接口，该接口被调优后用于低延迟和高吞吐量。产品的路线图中已经包含了支持用其他语言来访问DAX。

根据DAX开发者指南，这类缓存技术的正面的应用案例包括：

• 对读取需要最快的可能响应时间的应用程序。
• 对一小部分项目读取更频繁的应用程序。譬如，为了转移“热”键和非均匀数据分布的影响，可将读取活动放在DAX缓存中。
• 读密集型和代价敏感型的应用程序。DAX允许将读取活动从DynamoDB表转移到DAX集群，从而降低所需要的读容量单元。
• 需要反复读取大量数据的应用程序。譬如，一个长时间运行的数据云的分析程序暂时消耗了一个DynamoDB表的所有读容量，这将会影响需要访问同一个数据的其他应用程序。借用DAX，该分析可针对缓存数据进行。

对下列应用程序而言，DAX并不是理想的选择：

• 需要很强的一致的读取，或者不能忍受最终一致的读取的应用程序（然而，当处理一致的读取时，可配置DAX来让其引用回DynamoDB表）。
• 不需要微秒级读取响应时间的应用程序。
• 写密集型或者没有太多的读取活动的应用程序。
• 已经使用了DynamoDB的其他缓存解决方案并相应地使用了自己的客户端逻辑的应用程序。

Amazon DAX 的公开预览版在美国东部（弗吉尼亚州北部）、美国西部（俄勒冈州）和欧洲（爱尔兰）等地区可免费使用。其他信息可参见 DAX开发者指南 。

查看英文原文： Amazon DynamoDB Accelerator (DAX) Released in Preview: In-Memory Cache for Read-Intensive Workloads

感谢薛命灯对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号： InfoQChina ）关注我们。

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

• 《数据密集型应用设计》之事务
• 设计数据密集型应用（1-2）
• 计算密集型服务的负载均衡策略
• 设计数据密集型应用（六-七）：分片、事务
• 设计数据密集型应用（6-7）：分片、事务
• 设计数据密集型应用（四）：Encoding and Evolution

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。