永不拒绝写入:从 Amazon Dynamo 的哈希环到 DynamoDB 每秒 1.92 亿次请求
Published:
这是 🚀 Extreme Scale 系列的第六篇。
先看数字。2026 年 Prime Day——6 月 23 日到 26 日,四天——Amazon DynamoDB 处理了超过 59 万亿次请求,峰值达到每秒 1.92 亿次请求,同时保持个位数毫秒的响应。这不是实验室基准。这是 Alexa、Amazon.com 网站和所有 Amazon 履约中心同时打到同一个数据库服务上,购物者还在不断往购物车里加东西。
回答这些请求的系统,源头是一个因为关系型数据库在假日高峰下不断死锁而建出来的数据库。这个故事有两幕,有意思的是两幕之间变了什么:第一个系统 Dynamo 用”永不拒绝写入”解决了可用性问题;第二个系统 DynamoDB 保住了这个承诺,但为了在多租户云上守住它,几乎把 Dynamo 的所有东西都换掉了。机制才是教训——每个机制打断一个具体的失效回路,每个机制也都有作者坦白写出来的边界。
背景:2004 年假日宕机和一个实习生的问题
到 2004 年,Amazon 已经是几百个服务、横跨多个数据中心、数万台服务器的面向服务架构。一次电商页面请求通常需要渲染引擎向 150 多个服务发请求。调用链里的每个服务都必须遵守自己的性能合同,否则页面就超了时限——所以 Amazon 用 99.9 百分位而不是平均值或中位数来衡量 SLA。论文里的 SLA 例子是:一个服务保证在峰值每秒 500 次请求下,99.9% 的请求在 300 毫秒内返回。
这些服务背后的状态大多住在第三方的关系型数据库里。2004 年假日购物季,数据库在峰值流量下出现难以调试、难以复现的死锁——尽管使用模式很简单,大多只是按键查询。关系型数据库的那些机制(join、事务、即席查询规划)对只需要 get(key) 和 put(key, value) 的负载来说全是多余的开销。
Amazon 对这次宕机的 correction-of-error 复盘,产生了启动整个项目的问题。一个年轻的实习生 Swaminathan Sivasubramanian——后来成了负责数据库组织的副总裁——问:”我们为什么要用关系型数据库?这些负载根本不需要 SQL 那种复杂度和事务保证。”
答案就是 Dynamo,一个为高可靠性需求服务的内部键值存储:购物车、会话状态、畅销榜、用户偏好、销售排名。2007 年它的规模听起来已经很现代:数万台服务器,峰值数千万客户,购物车服务一天服务数千万次请求、完成超过 300 万次结账,会话服务同时持有数十万个活跃会话。它的设计要求一句话就能说完:即便磁盘在坏、网络路由在抖、数据中心被龙卷风摧毁,客户也应该能查看购物车、往购物车里加东西。
这句话表面是工程要求,实际是商业决策。拒绝一次写入就丢一单生意;接受一次写入、事后发现它和另一处写入冲突,代价只是一次合并。Dynamo 每次都选合并。
架构:一个环、一张偏好表、三个旋钮
Dynamo 的数据模型刻意极简:二进制对象,通常小于 1 MB,用唯一键标识,只支持单键 get 和 put。没有跨多项的操作,没有关系 schema,没有隔离保证,没有 ACID。每个服务跑自己的 Dynamo 实例,最初的设计目标是每个实例最多几百台存储主机。
放置用一致性哈希。节点和键都哈希到一个 128 位的环上(MD5),一个键属于它哈希值顺时针方向遇到的第一个节点。每个物理节点在环上占多个位置——虚拟节点——这样加节点时只移动相邻节点的键,负载均匀,大机器可以多占环。键的偏好表(preference list)是顺时针方向的前 N 个不同节点;论文的典型配置是 N = 3,副本跨多个数据中心分布,这样整个数据中心挂掉也不会丢数据。
每个请求由一个节点协调——通常是偏好表里第一个健康的节点——它把工作扇出到排名最高的 N 个可达节点。再有两个旋钮调 tradeoff:R,一次读最少要多少个节点回答;W,一次写最少要多少个节点回答。R + W > N 就得到一个类 quorum 系统;R 和 W 通常配得比 N 小,因为 get 或 put 的延迟由 R(或 W)个副本里最慢的那个决定。一次写在协调者本地写完、另外 W − 1 个节点回应后就算成功。
整个拓扑就是这样:一个环、一张表、三个数字。下面是机制——每个机制打断一个具体的失效回路,每个机制也都有边界。
机制 1:Sloppy quorum 与 hinted handoff——无法被拒绝的写入
第一个失效模式是分布式存储里最老的一个:严格 quorum 下,太多副本不可达时写入就失败。按传统 quorum,节点故障或网络分区期间数据不可用,直到副本回来——而购物车恰恰是在那个时刻最需要继续接受商品。
Dynamo 的答案是 sloppy quorum(松散 quorum)。读写发给偏好表里前 N 个健康的节点,未必是环上前 N 个节点。如果写操作期间节点 A 暂时宕机,本该落在 A 上的副本会被发给环上下一个健康的节点 D。这个副本的元数据里带一个 hint,写明它本来的接收者。D 把它放在一个独立的本地数据库里定期扫描;A 恢复后,D 把副本交还过去,然后删掉自己的那份,副本总数不变。
关键在因果链:失效回路是”副本不可达意味着写入被拒”,机制打断它的方式是把写入的目的地和键的归属解耦。耐久性没有丢,因为写入仍然落在 N 个不同节点上;变的只是这些节点是谁。需要最高可用性的应用可以把 W 设为 1,这意味着只要系统里还有一个节点能把这个键持久写到本地,写入就被接受——只有所有节点都不可用时请求才会被拒绝。
Sloppy quorum 修不掉什么:它把可用性问题换成了一致性问题。故障期间,写集合和之后读集合可能是两组完全没有交集的节点——于是 R + W > N 不再保证读能看到最新写入。W = 1 接受的写入在 hinted handoff 或反熵赶上之前只存在于一个节点上,如果那个节点在这之前永久损坏,写入就丢了。所以论文也写了,生产里大多数服务把 W 设得比 1 高:旋钮就是用来调的,默认值是”永不拒绝”和”永不丢失”之间的折中。Hinted handoff 在成员变化不频繁时效果最好——节点频繁抖动时,hint 堆积的速度会超过交付的速度。
机制 2:向量时钟与读时调和——只检测,不预防
写入可以落在不同节点上并发进行之后,第二个失效模式就出现了:同一个购物车的两个版本写在分区两侧,没有单一顺序。传统存储在写时用锁或多数派解决这个问题——并拒绝输的那一方。Dynamo 不能这么做,因为拒绝正是它拒绝做的事情。
所以 Dynamo 检测而不是预防。对象的每个版本带一个向量时钟(vector clock):一串 (节点,计数器) 对。节点协调一次写时把自己的计数器加一;新时钟在因果上包含它覆盖的那个版本的时钟。读的时候,协调者向排名最高的 N 个可达节点收集版本,等 R 个回应。如果一个版本的时钟是另一个的后代,老版本被丢弃;如果谁也不是谁的后代——两次并发写——两个版本都返回给客户端,由应用调和。购物车的调和办法是合并:取商品的并集。下一次写带上包含两个分支的时钟,把它们坍缩成一个版本,调和后的版本再写回去——读修复,由客户端完成。
这个机制成立是因为分歧很少见。在对购物车服务 24 小时的画像里,99.94% 的请求只看到一个版本;0.00057% 看到两个,0.00047% 看到三个,0.00009% 看到四个。论文还特意讲了分歧为什么出现:大多不是故障,而是并发写——”繁忙的机器人”,用自动化客户端反复写同一个键——很少是真人。冲突率是负载的属性,不是故障率的属性。
向量时钟修不掉什么:时钟本身会长。如果很多服务器协调对同一个键的写——分区期间恰恰会这样——(节点,计数器) 列表就随协调者数量增长。Dynamo 用截断来封顶:每对都带一个时间戳,时钟超过阈值(十对)时删掉最老的一对。这会让后代关系推导不准确,调和变得不精确——作者承认这是已知低效,”在生产中没有出现过,因此没有深入研究”。更根本的是,向量时钟只能检测冲突,不能解决冲突。解决是应用代码——一个开发人员必须写对的合并函数——对无法合并的应用,存储唯一的退路是 last-write-wins,也就是悄悄丢数据。Dynamo 把最难的那部分问题推出了数据库、推给了服务。这是永不拒绝写入的代价。
机制 3:Merkle 树、gossip,以及绝不能伤害前台的后台
第三个失效模式是慢性的:副本永久漂移——节点宕机几小时、hint 始终没交付、磁盘丢了一次写。Hinted handoff 管临时情况;永久情况需要别的东西,而且不能靠全量扫描数据集来找差异。
Dynamo 的答案是 Merkle 树反熵(anti-entropy)。每个节点为它托管的每个键范围各维护一棵 Merkle 树——叶子是单个键的哈希,父节点是子节点的哈希。两个节点交换它们共有键范围的树根;根相同,范围就相同,不需要同步;根不同,就交换子节点哈希、沿树向下走,直到叶子,精确找出哪些键不同步。这个机制打断”全量比较”的回路:一次哈希比较就能剪掉相等的分支,只有真正不同的叶子才花数据传输和磁盘读。
成员关系和故障检测靠 gossip。没有 master,没有中央注册表:每个节点每秒联系一个随机对等节点,双方调和各自持久保存的成员变更历史,于是整个环对自身有一份最终一致的视图。节点宕机很少意味着永久离开,所以加入和离开是显式的、管理员发起的操作——系统不会因为节点抖动一下就重新平衡。
另外两件后台机器让整个系统诚实。第一是分区策略:Dynamo 部署的方案用固定大小的分区(论文评估里的策略 3),负载均衡效率最好,每个节点要维护的成员信息比随机 token 位置小了三个数量级——代价是成员变更时需要协调来保持分配的属性。第二是后台任务的准入控制:早期生产里,反熵和 handoff 流量饿死了前台的 get 和 put。修复办法是一个反馈回路——后台任务预留时间片,控制器看过去 60 秒内数据库读延迟的 99 百分位,对照一个阈值(比如 50 毫秒),前台接近极限时就节流后台工作。后台只有在前台负担得起时才被允许存在。
这一层修不掉什么:全成员 gossip 模型扩展不了。每个节点都 gossip 完整路由表,论文说这对两三百个节点没问题,但扩展到数万个节点”并不简单”——路由表开销随系统规模增长。Dynamo 自己的答案是每个服务跑自己的实例,上限几百台主机;这个设计从来没声称自己是一个全球大环。Merkle 树也有自己的税:节点加入或离开时很多键范围会变,树要重算——固定分区方案缓解了它,但没有消除它。
按 2007 年论文的生产账本:应用收到成功回应(没有超时)的比例是 99.9995%,且迄今没有发生过数据丢失事件。客户端驱动的协调——请求直接路由到协调者而不是经过负载均衡器——把 99.9 百分位延迟从 68.9 毫秒(读)和 68.5 毫秒(写)降到两者都是 30.4 毫秒,平均值约 1.5–1.9 毫秒。按今天的标准这些数字很朴素,架构并不朴素。
第二幕:Dynamo 变成 DynamoDB,几乎所有东西都换了
Dynamo 能用了,于是产生了下一个问题。它是单租户的:每个团队跑自己的 Dynamo 安装,团队必须成为运营它的专家。AWS 自己的回顾写得很直白——Dynamo 给了团队需要的可靠性、性能和可扩展性,但”没有简化运行系统的运营复杂度”。工程师宁愿用 SimpleDB——Amazon 的托管 NoSQL 服务——尽管它有 10 GB 的 domain 上限和不可预测的延迟,因为他们不用自己跑它。运营复杂度成了采用的瓶颈。
结论是把 Dynamo 的可扩展性和可预测低延迟,和 SimpleDB 的运营简单结合起来:声明一张表,剩下的交给系统。Amazon DynamoDB 在 2012 年 1 月 18 日上线。记录接下来十年的 2022 年 USENIX 论文用一句话讲清了两者关系:DynamoDB “和之前的 Dynamo 系统共享了大部分名字,但架构几乎没共享”。
重建先改的是一致性模型。多租户公共服务不能给每个客户发一个向量时钟和一个合并函数。取而代之的是,表的每个分区是一个跨可用区的复制组(replication group),用 Multi-Paxos 做 leader 选举和共识。只有 leader 服务写入和强一致读。写的时候,leader 生成一条写前日志(WAL)记录发给对等节点;quorum 个对等节点把记录持久化到本地 WAL 后,写入才向应用确认。任何副本都可以服务最终一致读。领导权靠租约持有,新选出的 leader 必须等旧 leader 的租约过期后才能服务任何写入——这个机制保证两个 leader 永远不会同时认为自己在位。有些副本只是日志副本——只持久化最近 WAL 条目的 Paxos acceptor,不存键值数据——用更低的成本提高可用性和耐久性。
请求路径是围绕 Dynamo 给后台任务用的同一原则建起的第二台机器:前台必须被保护,不受其他一切影响。无状态的请求路由器负责每个请求的鉴权、认证和路由,从元数据服务查分区映射。准入控制最初是每节点令牌桶,后来变成全局准入控制(global admission control):一个中心服务跟踪每张表的令牌消耗,每个请求路由器持有本地令牌桶,每隔几秒补充一次。这就是一个租户的突发不会拖垮共享硬件上邻居的原因——多租户服务的核心问题,也是 Dynamo 按实例设计无法直接出租的原因。
同样的保护前台逻辑出现在元数据路径上。路由器最初在本地缓存整张表的路由信息,命中率 99.75%——但冷启动时,比如新增路由器容量,每个请求都会缓存未命中,元数据流量可能飙升到请求量的 75%,让系统不稳定。修复办法是 MemDS,一个内存分布式数据存储,保存所有元数据,基于 Perkle 树——Patricia 树和 Merkle 树的混合——再加一个新的缓存设计:每次命中都异步刷新缓存,于是元数据集群看到的流量永远是恒定的,与命中率无关。一个冷了就能拖垮系统的缓存比没有缓存更糟;重新设计让元数据集群的负载与缓存状态无关。
而分区本身是旧的扩展问题穿上新衣服重现的地方。表被划分成分区,每个分区是一段不相交的连续键范围,吞吐量最初按分区分配:一个读容量单位(RCU)是每秒一次强一致读(单项最大 4 KB),一个写容量单位(WCU)是每秒一次写(单项最大 1 KB)。随之而来两种失效模式。热分区:流量集中在少数键上,分区的固定配额把应用限流了,尽管整张表的容量还绰绰有余。吞吐稀释:为扩容而拆分分区时,吞吐量被子分区平分,每个子分区比父分区性能更低——论文的例子是分区上限 1,000 WCU,一张 3,200 WCU 的表得到四个分区各 800。修复分了几层:bursting,让分区花掉攒下、最长保留 300 秒的未用容量;自适应容量(adaptive capacity),重新分配未用的吞吐量;以及全局准入控制,把执行点从分区移到表。服务等级协议现在是普通表 99.99% 可用性、全局表 99.999%,在 us-east-1 生产环境跑的 YCSB 基准——每秒 10 万到 100 万次操作、900 字节单项——显示吞吐量扩大 10 倍时延迟几乎不动——那条平线就是重点。
DynamoDB 修不掉什么:热键问题只是缓解,没有解决——单个分区仍有上限(论文例子里是 1,000 WCU),流量集中在一个键上的应用无论买多少表级容量还是会被限流。API 刻意狭窄——没有 join、没有即席查询规划、单项最大 400 KB——因为每个操作必须在运行前就能 bound 住成本;这是可预测延迟的代价。而 Dynamo 推给用户的运营复杂度并没有消失:它搬进了 AWS 内部,变成 autoadmin(监视集群和分区健康、替换不健康副本的服务)、game day 和混沌测试、对共识算法的形式化证明、以及先小批量部署、错误率或延迟告警触发自动回滚的发布实践。用户看到的是一张表;运营方跑的是几十个微服务。
数字里的弧线
AWS 在每年的 Prime Day 回顾里公布 DynamoDB 的峰值,这组序列是公开记录里一个数据库长成自身规模最干净的证据:
| Prime Day | 峰值每秒请求数 |
|---|---|
| 2017 | 1290 万 |
| 2019 | 4540 万 |
| 2020 | 8010 万 |
| 2021 | 8920 万 |
| 2022 | 1.052 亿 |
| 2023 | 1.26 亿 |
| 2024 | 1.46 亿 |
| 2025 | 1.51 亿 |
| 2026 | 1.92 亿 |
九年里从 1290 万到 1.92 亿——大约 15 倍——延迟承诺始终是个位数毫秒。2021 年那场是 USENIX 论文详细记录的:66 小时、数万亿次 API 调用、峰值每秒 8920 万次请求。注意这条弧线没有显示的东西:一次重新设计。增长是靠同样的分区加复制机制吸收的——拆表、加服务器,而每请求的合同保持不变。这就是系统在正常工作的定义。
两个系统都做不到的事
整个血统的诚实边界,是它从来没想做的事的清单。Dynamo 没有跨键事务、没有二级索引、除了主键访问没有别的查询——其余都是应用的工作。它的一致性合同刻意狭窄:最终一致、应用侧调和,只有读恰好落到见过这次写的节点上时才读到自己的写。DynamoDB 后来加了事务(2018)、二级索引(2013)、streams(2014)、全局表(2017)和时间点恢复(2018)——但每个新增功能都被限定在延迟合同能活下来的范围内:事务最多 100 项、单项上限 400 KB,至今没有 join、没有即席查询。需要关系查询、或者单个热键写入速率无上限的负载,对这个系统家族来说就是错误的负载——两篇论文都是通过构造本身、而不是通过道歉来表明这一点的。
值得偷走的教训
- 可用性首先是商业决策,其次才是工程问题。 Dynamo 的设计源于关于购物车的一句话。如果拒绝写入的代价比合并两个版本更大,你就建一个永不拒绝写入的系统——然后接受向量时钟、读修复和应用侧合并作为账单。先把商业代价讲清楚,架构在它下游。
- 把复杂度推给读,而不是写。 Dynamo 在读时解决冲突,让写入永不阻塞;DynamoDB 的 leader 把 WAL 写到 quorum,让任何副本都能服务读。两个系统里写路径都短且无条件,昂贵的工作——调和、反熵、重新复制——发生在后台或读时。延迟预算花在伤害最小的地方。
- 一个机制必须说出它打断的回路。 Sloppy quorum 打断”副本不可达意味着写入被拒”,办法是把目的地和归属解耦。Merkle 树打断”全量比较”,办法是一次哈希比较剪掉相等的分支。全局准入控制打断”一个租户的突发饿死其余租户”,办法是把执行点移到表。说不出回路,你就没有机制——你只有一次迁移。
- 后台工作需要自己的准入控制。 两篇论文都是用同样的方式学到这一点的:Dynamo 里反熵和 handoff 流量饿死了前台请求,DynamoDB 里元数据缓存未命中让路由器不稳定。两处的修复都是反馈回路——按前台延迟阈值节流后台工作——而 MemDS 的做法更进一步,重新设计让后台负载恒定而不是尖峰。任何有后台修复、却没有这个机制的系统,最终都会在凌晨三点被自己的清洁工叫醒。
- 运营简单才是采用的瓶颈,不是能力。 Dynamo 技术上是对的,在 Amazon 内部仍然采用不足,因为团队必须自己跑它。DynamoDB 真正的创新不是 Multi-Paxos 或全局准入控制——而是把运营搬进 AWS,让用户只需要声明一张表。当一个技术上更优的系统没人用,先查谁会被叫醒,再查基准测试。
Dynamo 真正的教训不是”用一致性哈希”。而是:一个数据存储是一组承诺的捆绑——永不拒绝写入、有界延迟、整个数据中心挂掉也能活——每个承诺由一个机制守住,每个机制有一个点名的失效回路和一个明说的代价。DynamoDB 保住了承诺、换掉了机制:WAL quorum 代替 sloppy quorum,Paxos leader 代替向量时钟,令牌桶和 MemDS 代替 gossip 和全成员表。名字留下来了,几乎别的东西都没留下来——而这正是它今天还能回答每秒 1.92 亿次请求的原因。
Sources
- Giuseppe DeCandia, Deniz Hastorun, Madan Jampani, Gunavardhan Kakulapati, Avinash Lakshman, Alex Pilchin, Swaminathan Sivasubramanian, Peter Vosshall, and Werner Vogels, “Dynamo: Amazon’s Highly Available Key-value Store,” SOSP 2007, Stevenson, WA, October 14–17, 2007. https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf — 2004 年假日死锁与关系型数据库的局限;数万台服务器、峰值数千万客户;每页 150 多个服务的调用链;99.9 百分位 SLA 例子(峰值每秒 500 次请求下 300 毫秒);购物车一天数千万次请求、超过 300 万次结账;对象通常小于 1 MB;带虚拟节点的一致性哈希;N = 3 典型配置;R + W > N;W = 1 的写可用性;向量时钟(十对截断)与 D1–D5 版本例子;sloppy quorum 与 hinted handoff;每键范围的 Merkle 树反熵;每秒 gossip;固定分区策略、成员信息小三个数量级;后台任务准入控制(50 毫秒 99 百分位阈值);24 小时购物车画像(99.94% 一个版本;0.00057% 两个;0.00047% 三个;0.00009% 四个);分歧版本主要来自并发写、多为自动化客户端;99.9995% 成功回应、无数据丢失事件;客户端驱动协调把 99.9 百分位延迟从 68.9/68.5 毫秒降到 30.4 毫秒;全成员模型适用于两三百个节点、扩展到数万个节点并不简单。
- Werner Vogels, “Amazon’s Dynamo,” All Things Distributed, October 2, 2007. https://www.allthingsdistributed.com/2007/10/amazons_dynamo.html — SOSP 论文发布与综合框架。
- AWS News Blog, “Happy 10th Birthday, DynamoDB!” February 18, 2022. https://aws.amazon.com/blogs/aws/happy-birthday-dynamodb/ — DynamoDB 于 2012 年 1 月 18 日全面可用;2004 年假日宕机与实习生的问题;2007 年 Dynamo 论文;Dynamo 的运营复杂度是采用障碍;SimpleDB 的 10 GB domain 上限;2021 年 Prime Day(6 月、66 小时):数万亿次请求、峰值每秒 8920 万次请求、个位数毫秒性能;功能时间线(二级索引 2013 年 12 月;Streams 2014 年 11 月;全局表 2017 年 11 月;备份与恢复 2017 年 11 月;时间点恢复 2018 年 3 月;自适应容量 2018 年 8 月;ACID 事务 2018 年 11 月;按需容量 2018 年 11 月)。
- Mostafa Elhemali et al., “Amazon DynamoDB: A Scalable, Predictably Performant, and Fully Managed NoSQL Database Service,” USENIX ATC 2022, Carlsbad, CA, July 11–13, 2022. https://www.usenix.org/system/files/atc22-elhemali.pdf — DynamoDB “和之前的 Dynamo 系统共享了大部分名字,但架构几乎没共享”;数十万客户;2021 年 Prime Day(66 小时、数万亿次 API 调用、每秒 8920 万次请求);可用性 SLA 99.99%(全局表 99.999%);1 KB 单项平均个位数毫秒延迟、从数 MB 到数百 TB 保持稳定;表从几台服务器扩展到数千台;分区为不相交的连续键范围;复制组用 Multi-Paxos;仅 leader 服务写入与强一致读;写前日志 quorum 确认;日志副本为 Paxos acceptor;RCU(每秒一次强一致读、单项最大 4 KB)与 WCU(每秒一次写、单项最大 1 KB);热分区与吞吐稀释;1,000 WCU 分区例子;bursting(未用容量保留最长 300 秒);自适应容量;全局准入控制(令牌桶每隔几秒补充);路由器元数据缓存 99.75% 命中率、冷启动时元数据流量飙升到请求量的 75%;MemDS 与 Perkle 树(Patricia 加 Merkle);autoadmin 为中枢神经系统;game day、形式化证明、小批量部署与自动回滚;YCSB 基准(每秒 10 万到 100 万次操作、900 字节单项、延迟持平)。
- AWS News Blog, “Prime Day 2023 Powered by AWS – All the Numbers,” August 2, 2023. https://aws.amazon.com/blogs/aws/prime-day-2023-powered-by-aws-all-the-numbers/ — DynamoDB 峰值每秒 1.26 亿次请求、数万亿次调用、个位数毫秒响应。
- AWS News Blog, “All the numbers: Amazon Prime Day 2026 powered by AWS,” October 6, 2026. https://aws.amazon.com/blogs/aws/all-the-numbers-amazon-prime-day-2026-powered-by-aws/ — 2026 年 Prime Day(6 月 23–26 日):DynamoDB 处理超过 59 万亿次请求、峰值每秒 1.92 亿次请求、个位数毫秒响应;该系列此前峰值(2017 年 1290 万;2019 年 4540 万;2020 年 8010 万;2022 年 1.052 亿;2024 年 1.46 亿;2025 年 1.51 亿)。
- AWS Documentation, “Cheat sheet for DynamoDB” / “Service quotas.” https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/CheatSheet.html — 单项最大 400 KB(含属性名与属性值);表大小没有实际限制。
Share on
Twitter Facebook LinkedIn☕ Buy me a coffee! 💝
If you found this article helpful, consider buying me a coffee to support my work! 🚀
