MySQL 撑不住了？试试这个 Serverless 数据库

被 MySQL 的扩容问题折腾了一周后，我转向了 DynamoDB。坦白讲，一开始有点犹豫------NoSQL 嘛，总觉得没有 SQL 那么"正统"。但用了三个月，真的回不去了。

场景

用户行为日志系统：

写入：每秒几百到几千条
查询：按用户 ID 查最近操作（模式固定）
弹性：活动期间写入暴增 10 倍

MySQL 方案的问题：高峰期 CPU 拉满、需要手动扩容、为了抗峰值得开大实例但平时空跑。

30 秒理解 DynamoDB

一句话：Key-Value 数据库，按需付费，自动扩缩，个位数毫秒响应。

没有 Schema（除主键）、没有 JOIN、没有 GROUP BY。但写入极快，扩容无感，按量计费。

主键设计（最重要的部分）

sql 复制代码

Partition Key: user_id
Sort Key: timestamp#uuid

Partition Key 决定数据分布
Sort Key 支持范围查询和排序

这两个字段定好了，其他字段随便加------DynamoDB 不需要 ALTER TABLE。

代码

写入

python 复制代码

import boto3, time, uuid

table = boto3.resource('dynamodb').Table('user_actions')

table.put_item(Item={
    'user_id': 'u_12345',
    'sk': f'{int(time.time())}#{uuid.uuid4().hex[:8]}',
    'action': 'click_button',
    'page': '/dashboard',
    'details': {'button_id': 'submit'}
})

查询

python 复制代码

from boto3.dynamodb.conditions import Key

resp = table.query(
    KeyConditionExpression=Key('user_id').eq('u_12345'),
    ScanIndexDirection=False,
    Limit=20
)

Query 走主键索引，几毫秒返回。

批量写入

python 复制代码

with table.batch_writer() as batch:
    for e in events:
        batch.put_item(Item={...})

自动分批，自动重试限流。

四个坑

1. 热分区：所有写入打到同一个 Partition Key → 限流。解决：高频 Key 加随机后缀分片。

2. Scan 很贵：全表扫描按读取量计费。原则：查询只用 Query，永远不用 Scan。

3. GSI 最终一致：写入后立刻通过 GSI 查可能查不到。需要强一致的场景，用主表 Query。

4. Item 上限 400KB：大字段存 S3，DynamoDB 存引用地址。

三个月账单

MySQL (RDS r5.large)	DynamoDB 按需
~$190/月	~$25/月

省了 87%。

什么时候别用

需要复杂 SQL（JOIN、子查询）→ 用 Aurora
查询模式不确定 → 关系数据库更灵活
单条记录 > 400KB → S3

一句话

写入多、查询模式固定、弹性要求高？DynamoDB 会让你少操很多心。

以上代码基于亚马逊云科技 DynamoDB + Python boto3 验证通过。DynamoDB 免费套餐每月 25GB 存储 + 足够的读写容量。