Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Wählen Sie eine AWS Datenbankdienst
Den ersten Schritt machen
|
Zweck
|
Ermitteln Sie mit, welche AWS Datenbank oder Datenbanken für Ihr Unternehmen am besten geeignet sind.
|
|
Letzte Aktualisierung
|
2. Juni 2026
|
|
Abgedeckte Dienstleistungen
|
|
Einführung
AWS bietet eine wachsende Anzahl von Datenbankoptionen (über 15) mit unterschiedlichen Datenmodellen zur Unterstützung einer Vielzahl von Workloads. Dazu gehören relationale Daten, Schlüsselwerte, Dokumente, In-Memory, Graphen, Zeitreihen, Vektoren und breite Spalten.
Bei der Auswahl der richtigen Datenbank oder mehrerer Datenbanken müssen Sie eine Reihe von Entscheidungen treffen, die auf Ihren Unternehmensanforderungen basieren. Dieser Entscheidungsleitfaden hilft Ihnen dabei, die richtigen Fragen zu stellen, einen klaren Weg für die Implementierung aufzuzeigen und Ihnen bei der Migration von Ihrer vorhandenen Datenbank zu helfen.
Verstehen
Datenbanken sind unverzichtbare Backend-Systeme, die Daten effizient speichern, verwalten und abrufen und so die Integrität, Skalierbarkeit und Leistung für Anwendungen aller Art und Größe gewährleisten.
Dieser Entscheidungsleitfaden soll Ihnen helfen, die verfügbaren Auswahlmöglichkeiten zu verstehen, die Kriterien für Ihre Datenbankauswahl festzulegen und Ihnen detaillierte Informationen zu den individuellen Eigenschaften der einzelnen Datenbanken zu geben. Anschließend können Sie mehr über die Funktionen erfahren, die jede Datenbank bietet.
Was sind die Eigenschaften von Anwendungen, die Benutzer mit AWS
Datenbanken erstellen?
-
Internet-scale Anwendungen: Diese Anwendungen können mehr als 100 Millionen Anfragen pro Sekunde über Hunderte von Terabyte an Daten verarbeiten. Sie werden automatisch vertikal und horizontal skaliert, um Flexibilität für Ihre Workloads zu bieten.
-
Real-time Anwendungen: Real-time Anwendungen wie Caching, Sitzungsspeicher, Gaming-Bestenlisten, Ride-Hailing, Anzeigen-Targeting und Echtzeitanalysen benötigen eine Latenz von Mikrosekunden und einen hohen Durchsatz, um mehr als eine Billion Anfragen pro Sekunde zu unterstützen.
-
Unternehmensanwendungen: Unternehmensanwendungen verwalten zentrale Geschäftsprozesse (wie Vertrieb, Abrechnung, Kundenservice und Personalwesen) und branchenspezifische Prozesse (z. B. ein Reservierungssystem bei einer Hotelkette oder ein Risikomanagementsystem bei einer Versicherungsgesellschaft). Diese Anwendungen benötigen Datenbanken, die schnell, skalierbar, sicher, verfügbar und zuverlässig sind.
-
Vektordatenbanken und Vektorsuche zur Verwendung mit generativen KI-Anwendungen: Welchen Datenbankdienst Sie auch verwenden, er wird wahrscheinlich eine Fülle von domänenspezifischen Daten enthalten (wie Finanzdaten, Gesundheitsakten, Genomdaten und Lieferketteninformationen). Diese Daten können Ihnen eine einzigartige und wertvolle Perspektive auf Ihr Unternehmen und die gesamte Branche, in der Sie tätig sind, bieten. Für die Nutzung generativer KI müssen die domänenspezifischen Daten, die Sie für den semantischen Kontext verwenden möchten, als eine Reihe von Elementen kodiert werden, die jeweils intern als „Vektor“ ausgedrückt werden. Diese kontextrelevanten Daten stammen in der Regel aus Ihren internen Datenbanken, Data Lakes oder unstrukturierten Daten- oder Dokumentenspeichern — den Datenspeichern, in denen Ihre domänenspezifischen Daten oder Ihr Wissen gespeichert sind. Diese Datenspeicher werden allgemein als Wissensdatenbanken bezeichnet. Retrieval Augmented Generation (RAG) ist das Verfahren zum Abrufen von Fakten aus diesen Wissensdatenbanken, um große Sprachmodelle (LLMs) mit aktuellen, genauen und aufschlussreichen Daten zu begründen. Wie in der folgenden Abbildung dargestellt, AWS wurden AWS Datenbank- und Suchdienste um Vektorfunktionen erweitert, sodass Sie Vektordatensätze dort speichern können, wo sich Ihre Daten befinden, Ihre Anwendungsarchitektur vereinfachen und bewährte und vertraute Tools verwenden können. Eine Vektordatenbank oder ein Vektordatenspeicher bedeutet einfach eine Datenbank mit Vektorfunktionen. Eine solche Datenbank kann auch die Art und Weise, wie Sie Ihre Daten mit generativer KI verwenden, weiter verbessern.
Dieser Leitfaden konzentriert sich auf Datenbanken, die für OLTP-Anwendungen (Online Transaction Processing) geeignet sind. Wenn Sie große Datenmengen schnell und effizient speichern und analysieren müssen (eine Anforderung, die normalerweise von einer OLAP-Anwendung erfüllt wird), AWS bietet Amazon Redshift. Amazon Redshift ist ein vollständig verwalteter, cloudbasierter Data Warehousing-Service, der für umfangreiche Analyse-Workloads konzipiert ist.
Es gibt zwei übergeordnete Kategorien von AWS OLTP-Datenbanken: relationale und nicht relationale.
-
Die AWS relationale Datenbankfamilie umfasst neun beliebte Engines für Amazon Aurora und Amazon RDS. Zu den Amazon Aurora-Engines gehören Amazon Aurora with PostgreSQL-Compatible Edition, Amazon Aurora MySQL-Compatible Edition und Amazon Aurora DSQL. Zu den Amazon RDS-Engines gehören PostgreSQL, MySQL, MariaDB, SQL Server, Oracle und Db2.
-
Die nichtrelationalen Datenbankoptionen sind für bestimmte Datenmodelle konzipiert. Dazu gehören Schlüsselwert-, Dokument-, Caching-, In-Memory-, Graph-, Zeitreihen- und breitspaltige Datenmodelle.
Wir gehen im Abschnitt dieses Handbuchs ausführlich auf all diese Aspekte ein. Klicken Sie auf
Datenbank-Migration
Bevor Sie entscheiden, welchen Datenbankdienst Sie verwenden möchten, sollten Sie Ihr Geschäftsziel, die Datenbankauswahl und die Art und Weise, wie Sie Ihre vorhandenen Datenbanken migrieren werden, berücksichtigen.
Die beste Strategie zur Datenbankmigration hilft Ihnen dabei, alle Vorteile der zu nutzen AWS Cloud. Dies kann die Migration Ihrer Anwendungen zur Verwendung speziell entwickelter Cloud-Datenbanken beinhalten. Vielleicht möchten Sie einfach den Vorteil nutzen, eine vollständig verwaltete Version Ihrer vorhandenen Datenbank zu verwenden, z. B. RDS für PostgreSQL oder RDS für MySQL.
Alternativ möchten Sie vielleicht von Ihren kommerziell lizenzierten Datenbanken wie Oracle oder SQL Server zu Amazon Aurora migrieren. Erwägen Sie, Ihre Anwendungen zu modernisieren und die Datenbanken auszuwählen, die den Workflow-Anforderungen Ihrer Anwendungen am besten entsprechen.
Amazon Aurora DSQL ist eine serverlose verteilte SQL-Datenbank mit aktiv-aktiver, regionsübergreifender Replikation, hoher Konsistenz und ohne Infrastruktur, die bereitgestellt oder verwaltet werden muss. Aurora DSQL ist PostgreSQL-compatible und skaliert Rechenleistung und Speicher automatisch auf Grundlage Ihrer I/O Arbeitslast. Aurora DSQL unterstützt transaktionale Workloads in Microservice-, serverlosen und ereignisgesteuerten Architekturen, in denen Sie die Vorteile eines relationalen Datenmodells nutzen können, ohne die Datenbankinfrastruktur verwalten zu müssen.
Amazon Aurora PostgreSQL Limitless Database bietet automatische horizontale Skalierung durch Sharding, verarbeitet Millionen von Schreibtransaktionen pro Sekunde und verwaltet Petabytes an Daten, während gleichzeitig die Einfachheit des Betriebs in einer einzigen Datenbank erhalten bleibt. Verwenden Sie Limitless Database, wenn Ihre relationale Arbeitslast einen Schreibdurchsatz oder Speicherplatz erfordert, der über die Grenzen einer einzelnen Aurora-Instance hinausgeht.
Wenn Sie sich dafür entscheiden, Ihre Anwendungen zuerst zu migrieren und sie dann zu transformieren, entscheiden Sie sich möglicherweise für eine neue Plattform. Bei diesem Prozess werden keine Änderungen an der von Ihnen verwendeten Anwendung vorgenommen, Sie können jedoch einen vollständig verwalteten Dienst in der Cloud nutzen. Wenn Ihre Datenbanken vollständig in der sind AWS Cloud, können Sie mit der Modernisierung Ihrer Anwendung beginnen. Diese Strategie kann Ihnen helfen, Ihre aktuelle lokale Umgebung schnell zu verlassen und sich dann auf die Modernisierung zu konzentrieren.
Sie können es verwenden AWS Database Migration Service, um Daten nach Amazon Aurora zu verschieben. Ressourcen, die Sie bei Ihrer Migrationsstrategie unterstützen, finden Sie im Erkunden Abschnitt.
Erwägen Sie
Sie erwägen, eine Datenbank auf zu hosten AWS. Dies kann die Unterstützung eines greenfield/pilot Projekts als ersten Schritt auf Ihrem Weg zur Cloud-Migration sein, oder Sie möchten einen vorhandenen Workload mit so wenig Unterbrechungen wie möglich migrieren. Oder vielleicht möchten Sie Ihren Workload auf einen verwalteten Workload übertragen oder ihn sogar so umgestalten AWS-Services, dass er vollständig auf die Cloud ausgerichtet ist.
Die erste wichtige Überlegung bei der Auswahl Ihrer Datenbank ist natürlich Ihr Geschäftsziel. Welche strategische Ausrichtung treibt Ihr Unternehmen zum Wandel an? Überlegen Sie, ob Sie einen vorhandenen Workload neu hosten oder auf eine neue Plattform umstellen möchten, sodass Sie sich nicht auf kommerzielle Lizenzen festlegen müssen.
Was auch immer Ihr Ziel ist, die Berücksichtigung der richtigen Kriterien kann Ihre Datenbankentscheidung erleichtern. Hier finden Sie eine Zusammenfassung der wichtigsten Kriterien, die Sie berücksichtigen sollten.
- Migration strategy
-
Sie können eine Rehosting-Strategie wählen, um die Bereitstellung in der Cloud schneller und mit weniger Problemen bei der Datenmigration durchzuführen. Installieren Sie Ihre Datenbank-Engine-Software auf Amazon Elastic Compute Cloud (Amazon EC2), migrieren Sie Ihre Daten und verwalten Sie Ihre Datenbank auf ähnliche Weise wie vor Ort. Rehosting ist zwar ein schneller Weg in die Cloud, aber Sie müssen immer noch die operativen Aufgaben wie Upgrades, Patches, Backups, Kapazitätsplanung und -verwaltung sowie die Aufrechterhaltung der Leistungs- und Verfügbarkeitsziele erledigen.
Alternativ können Sie sich für eine Re-Plattform-Strategie entscheiden, bei der Sie Ihre lokale relationale Datenbank auf eine vollständig verwaltete Amazon RDS-Instance migrieren.
Sie könnten dies als Gelegenheit betrachten, Ihren Workload so umzugestalten, dass er sich auf die Cloud konzentriert. Sie könnten beispielsweise Amazon Aurora oder speziell entwickelte NoSQL-Datenbanken wie Amazon DynamoDB, Amazon Neptune oder Amazon DocumentDB (mit MongoDB-Kompatibilität) verwenden.
Schließlich AWS bietet es serverlose Datenbanken, die mit einem nutzungsbasierten Preismodell und integrierter Hochverfügbarkeit an die Anforderungen einer Anwendung angepasst werden können. Mit serverlosen Datenbanken können Sie die Agilität erhöhen und die Kosten optimieren. Viele AWS serverlose Datenbanken machen nicht nur die Bereitstellung, Patches oder Verwaltung von Servern überflüssig, sondern bieten auch Wartungsoptionen, die Ausfallzeiten reduzieren.
AWS Zu den serverlosen Angeboten gehören Amazon Aurora DSQL, Amazon Aurora Serverless, Amazon DynamoDB, Amazon, Amazon Keyspaces (für Apache Cassandra) ElastiCache, Amazon Timestream for und Amazon Neptune Serverless. LiveAnalytics
- Characteristics of your data
-
Der Kern jeder Datenbankauswahl umfasst die Eigenschaften der Daten, die Sie speichern, abrufen, analysieren und mit denen Sie arbeiten müssen. Dies umfasst:
-
Ihr Datenmodell. Handelt es sich beispielsweise um eine relationale, strukturierte, halbstrukturierte Zeitreihe, einen Vektor oder verwendet es einen eng verbundenen Datensatz?
-
Zugriff auf Daten. Wie müssen Sie auf Ihre Daten zugreifen?
-
Inwieweit benötigen Sie Echtzeitdaten.
-
Ob es eine bestimmte Datensatzgröße gibt, die Sie im Auge haben.
- Operational considerations
-
Ihre wichtigsten betrieblichen Überlegungen sind, wo sich Ihre Daten befinden und wie sie verwaltet werden. Die beiden wichtigsten Entscheidungen, die Sie treffen müssen, sind:
-
Wird Ihre Datenbank selbst gehostet oder vollständig verwaltet? : Die Kernfrage hier ist, wo wird Ihr Team den größten Mehrwert für das Unternehmen bieten? Wenn Ihre Datenbank selbst gehostet wird, sind Sie für die tägliche Wartung, Überwachung und das Patchen der Datenbank verantwortlich.
Die Wahl einer vollständig verwalteten AWS Datenbank vereinfacht Ihre Arbeit, da undifferenzierte Datenbankverwaltungsaufgaben entfallen. Mit dieser Option kann sich Ihr Team darauf konzentrieren, Mehrwert zu schaffen, indem das Schemadesign, die Abfragekonstruktion und die Abfrageoptimierung verbessert werden. Ihr Team kann auch Anwendungen entwickeln, die auf Ihre Geschäftsziele abgestimmt sind.
-
Benötigen Sie eine serverlose oder bereitgestellte Datenbank? : Sehen Sie sich zunächst die folgenden Links zu Amazon Aurora DSQL, Amazon DynamoDB, Amazon Keyspaces (für Apache Cassandra), Amazon Timestream für LiveAnalytics, Amazon, Amazon Neptune und Amazon Aurora an; Dokumentation ElastiCache, wie Sie über bereitgestellte Durchsatzkapazität und Skalierung nachdenken sollten. Darüber hinaus wird in dieser Anleitung für Amazon Aurora Serverless v2 erklärt, warum es für sehr variable Workloads geeignet ist (was beispielsweise bedeutet, dass Ihre Datenbank für einen kurzen Zeitraum stark ausgelastet sein kann, gefolgt von langen Perioden geringer oder gar keiner Aktivität).
- Resiliency, performance, and security
-
Es ist wichtig sicherzustellen, dass die von Ihnen gewählte Datenbank die Stabilität, Leistung und das Sicherheitsniveau bietet, das Sie benötigen.
-
Resilienz — Die Stabilität von Datenbanken ist für jedes Unternehmen von entscheidender Bedeutung. Um Ausfallsicherheit zu erreichen, müssen Sie eine Reihe von Schlüsselfaktoren berücksichtigen, darunter Funktionen für Sicherung und Wiederherstellung, Replikation, Failover und Point-in-Time Recovery (PITR).
-
Leistung — Überlegen Sie, ob Ihre Datenbank eine hohe Parallelität von Transaktionen (10.000 oder mehr) unterstützen muss und ob sie in mehreren geografischen Regionen bereitgestellt werden muss. Wenn Ihre Arbeitslast eine extrem hohe Leseleistung mit einer Reaktionszeit in Mikrosekunden (statt einstelliger Millisekunden) erfordert, sollten Sie in Betracht ziehen, In-Memory-Caching-Lösungen wie Amazon ElastiCache zusammen mit Ihrer Datenbank zu verwenden, oder eine vollständig langlebige, persistente In-Memory-Datenbank wie Amazon MemoryDB.
-
Sicherheit — Sicherheit ist eine gemeinsame Verantwortung zwischen Ihnen und Ihnen. https://aws.amazon.com/compliance/shared-responsibility-model/ AWS Das Modell der AWS gemeinsamen Verantwortung beschreibt dies als Sicherheit der Cloud, die AWS verwaltet, und Sicherheit in der Cloud, die der Kunde verwaltet. Zu den spezifischen Sicherheitsaspekten gehören der Datenschutz auf allen Ebenen Ihrer Daten, Authentifizierung, Compliance, Datensicherheit, Speicherung sensibler Daten und die Unterstützung von Prüfanforderungen.
- Vector database and vector search considerations
-
Wenn Sie sich für eine AWS-Service mit Vektordatenbank oder Vektorsuchfunktionen entscheiden, sollten Sie zunächst darüber nachdenken, wie vertraut Ihr Team mit dem Service ist, den Sie in Betracht ziehen. Wenn Entwicklerteams bereits mit einer bestimmten Datenbank-Engine vertraut sind, hilft ihnen die Verwendung derselben Datenbank-Engine für die Vektorsuche, vorhandenes Wissen besser zu nutzen und schneller weiterzuentwickeln. Anstatt sich neue Fähigkeiten anzueignen, können Entwickler ihre aktuellen Fähigkeiten, Tools, Frameworks und Prozesse nutzen, um eine neue Funktion einer vorhandenen Datenbank-Engine zu integrieren. So könnte das auf Ihre Situation zutreffen:
-
Ihr Team von Datenbanktechnikern verwaltet möglicherweise bereits einen Satz von 100 relationalen Datenbanken, die auf Amazon Aurora PostgreSQL gehostet werden. Wenn sie eine neue Datenbank mit Vektorsuchanforderungen für ihre Anwendungen unterstützen möchten, sollten sie zunächst mit der Evaluierung der pgvector-Erweiterung in ihren vorhandenen Amazon Aurora PostgreSQL-Datenbanken beginnen. Wenn Ihr Team in der Zwischenzeit die Community-Versionen von PostgreSQL bevorzugt, unterstützt Amazon RDS for PostgreSQL auch die Erweiterung pgvector. https://github.com/pgvector/pgvector
-
Wenn Ihr Team mit Grafikdaten arbeitet, sollten Sie ebenfalls Amazon Neptune Analytics in Betracht ziehen, das sich nahtlos in Ihre bestehende AWS Infrastruktur integrieren lässt und nützliche Funktionen zur Abfrage und Visualisierung von Diagrammen bietet. Es ist ideal für https://aws.amazon.com/blogs/database/using-knowledge-graphs-to-build-graphrag-applications-with-amazon-bedrock-and-amazon-neptune/ GraphRag-Anwendungsfälle oder für die Analyse großer Mengen von Grafikdaten, um Einblicke zu erhalten und Trends zu erkennen.
-
Wenn Sie mit den beliebten Open-Source-Datenspeichern Valkey und Redis OSS arbeiten und eine hochgradig skalierbare In-Memory-Datenbank für Echtzeitanwendungen benötigen, sollten Sie Amazon MemoryDB in Betracht ziehen. https://docs.aws.amazon.com/memorydb/latest/devguide/what-is-memorydb.html Es bietet eine vertraute Oberfläche, die es dem Team ermöglicht, sein vorhandenes Valkey- und Redis-OSS-Wissen und seine Clientbibliotheken zu nutzen und gleichzeitig von den vollständig verwalteten, langlebigen und skalierbaren Funktionen von Amazon MemoryDB zu profitieren. Die Vektorsuche für Amazon MemoryDB erweitert die Funktionalität von Amazon MemoryDB. Sie kann in Verbindung mit der vorhandenen Amazon MemoryDB-Funktionalität verwendet werden. Anwendungen, die keine Vektorsuche verwenden, sind von ihrer Präsenz nicht betroffen. Die Vektorsuche ist in allen Regionen verfügbar, in denen Amazon MemoryDB verfügbar ist. Die Vektorsuche für Amazon MemoryDB ist ideal für Anwendungsfälle, in denen Spitzenleistung und Skalierbarkeit die wichtigsten Auswahlkriterien sind. Sie können Ihre vorhandenen Amazon MemoryDB-Daten oder eine Valkey- oder Redis OSS-API verwenden, um Anwendungsfälle für maschinelles Lernen und generative KI zu erstellen. Dazu gehören die Generierung mit erweitertem Abruf, die Erkennung von Anomalien, das Abrufen von Dokumenten und Empfehlungen in Echtzeit.
-
Wenn Ihr aktueller Technologie-Stack keine Unterstützung für die Vektorsuche bietet, können Sie serverlose Angebote nutzen, um die Lücke in Ihren Anforderungen an die Vektorsuche zu schließen. Mit OpenSearch Serverless können Sie beispielsweise schnell ein Erlebnis auf der Amazon Bedrock-Konsole erstellen, ohne einen Cluster erstellen oder verwalten zu müssen. Wenn Ihre Daten in Amazon DynamoDB gespeichert sind, kann OpenSearch Serverless eine hervorragende Wahl für die Vektorsuche mit Zero-ETL-Integration sein.
-
Für kostenoptimierte Vektorspeicherung in großem Maßstab bietet Amazon S3 Vectors native Unterstützung für das Speichern und Abfragen von Vektordaten direkt in Amazon S3. S3 Vectors unterstützt KI-Agenten, Inferenz-, RAG- und semantische Such-Workloads im Maßstab von Milliarden von Vektoren.
Die folgende Tabelle fasst die Vektorfunktionen aller AWS Datenbankdienste zusammen, um Ihnen bei der Auswahl der richtigen Option für Ihren generativen KI-Workload zu helfen.
| Service |
Vektor-Fähigkeit |
Latenz |
Am besten geeignet für |
| OpenSearch Bedienung |
Einheimischer K-NN |
Niedrig—Mittel |
RAG im großen Maßstab, hybride Suche, Protokollanalyse |
| Amazon Aurora PostgreSQL |
pgvector-Erweiterung |
Niedrig |
Relationale Apps, die Vektor- und Transaktionsdaten in einer einzigen Datenbank benötigen |
| Amazon MemoryDB |
Native Vektorsuche |
Sub-millisecond |
Semantisches Caching, Echtzeit-Inferenz, Abruf mit extrem niedriger Latenz |
| Amazon Neptune Analytics |
Vektorähnlichkeit + Graphanalyse |
Mittel |
GraphRAG, RAG-Pipelines, die durch Wissensgraphen erweitert wurden |
| Amazon DocumentDB |
Native Vektorsuche (HNSW/IVFFlat Indizes) |
Niedrig |
MongoDB-compatible Apps mit Anforderungen an die Vektorsuche |
| Amazon S3 Vectors |
Nativer Vektorspeicher und -abfrage |
Höher |
Cost-optimized Vektor-Massenspeicher im Maßstab von Milliarden von Vektoren |
| Amazon DynamoDB |
Über Zero-ETL zu OpenSearch (nicht nativ) |
Variiert |
Betriebsbereiter Speicher, in dem die Vektorsuche eine ergänzende Arbeitslast darstellt |
Zu den weiteren Kriterien, die es zu berücksichtigen gilt, gehören einfache Implementierung, Skalierbarkeit und Leistung. Sie werden in diesem Blog ausführlich behandelt: Wichtige Überlegungen bei der Auswahl einer Datenbank für Ihre generativen KI-Anwendungen.
Klicken Sie auf
Nachdem Sie nun die Kriterien für die Bewertung Ihrer Datenbankoptionen kennen, können Sie entscheiden, welche AWS Datenbankdienste für Ihr Unternehmen geeignet sein könnten.
In dieser Tabelle sind alle AWS Datenbank-Engines zusammen mit ihrem Datenmodell, ihren Anwendungsfällen und Optimierungen aufgeführt. Verwenden Sie sie, um die Datenbank zu ermitteln, die für Ihren Anwendungsfall am besten geeignet ist.
| Datenbank-Engine |
Datenmodell |
Wann würdest du es verwenden? |
Wofür ist es optimiert? |
|
Amazon Aurora
|
Relational
|
Verwenden Sie es, wenn Sie einen lokalen relationalen Workload migrieren oder modernisieren oder wenn Ihr Workload weniger vorhersehbare Abfragemuster aufweist. Unterstützt MySQL und PostgreSQL-compatible Engines mit einem bis zu fünfmal höheren Durchsatz als Standard-MySQL.
|
Optimiert für strukturierte Daten, die in Tabellen, Zeilen und Spalten gespeichert sind. Relationale Datenbanken unterstützen komplexe Abfragen durch Verknüpfungen.
|
|
Amazon Aurora DSQL
|
Relational
|
Verwenden Sie diese Option, wenn Ihre Anwendung verteiltes SQL mit aktiv-aktiver Replikation für mehrere Regionen, hoher Konsistenz und ohne zu verwaltende Server benötigt.
|
OLTP-Workloads, die ACID-Transaktionen, ein relationales Modell und serverlose automatische Skalierung erfordern. PostgreSQL-compatible.
|
|
Amazon Aurora PostgreSQL — Unbegrenzte Datenbank
|
Relational
|
Verwenden Sie diese Option, wenn Ihr relationaler Workload einen Schreibdurchsatz oder Speicherplatz erfordert, der über die Grenzen einer einzelnen Aurora-Instance hinausgeht, während gleichzeitig eine einzige Datenbankumgebung gewährleistet ist.
|
Millionen von Schreibtransaktionen pro Sekunde und Speicher im Petabyte-Bereich durch automatisiertes Sharding. PostgreSQL-compatible.
|
|
Amazon RDS
|
Relational
|
Verwenden Sie es, wenn Sie eine vollständig verwaltete relationale Datenbank mit sechs gängigen Engines Ihrer Wahl benötigen: PostgreSQL, MySQL, MariaDB, SQL Server, Oracle und Db2.
|
Optimiert für strukturierte Daten mit vollständiger SQL-Unterstützung, automatisierten Backups, Software-Patches und Bereitstellungen für hohe Verfügbarkeit. Multi-AZ
|
|
Amazon-DynamoDB
|
Key-value
|
Wird für Workloads wie Sitzungsspeicher oder Einkaufswagen verwendet. Key-value Datenbanken können auf große Datenmengen und einen extrem hohen Durchsatz an Anfragen skaliert werden und gleichzeitig Millionen von Benutzern gleichzeitig durch verteilte Verarbeitung und Speicherung bedienen.
|
Optimiert für die Bereitstellung einer serverlosen, vollständig verwalteten NoSQL-Datenbank mit einer Leistung im einstelligen Millisekundenbereich in jeder Größenordnung.
|
|
Amazon DocumentDB (mit MongoDB-Kompatibilität)
|
Dokument
|
Verwenden Sie diese Option, wenn Sie JSON-like Dokumente mit umfassenden Abfragefunktionen für alle Felder der Dokumente speichern möchten.
|
Optimiert für das Speichern halbstrukturierter Daten als Dokumente mit vielschichtigen Attributen.
|
|
Amazon Keyspaces (für Apache Cassandra)
|
Wide-column
|
Verwenden Sie es, wenn Sie Ihre lokalen Cassandra-Workloads migrieren müssen oder wenn Sie Daten mit hoher Geschwindigkeit für Anwendungen verarbeiten müssen, die eine Latenz im einstelligen Millisekundenbereich erfordern.
|
Optimiert für Workloads, die einen hohen reads/writes und hohen Durchsatz in Verbindung mit niedriger Latenz und linearer Skalierbarkeit erfordern.
|
|
Amazon Neptune
|
Diagramm
|
Verwenden Sie es, wenn Sie komplexe Objektnetzwerke modellieren müssen, wie z. B. soziale Netzwerke, Anwendungsfälle zur Betrugserkennung und Empfehlungs-Engines.
|
Optimiert für das Durchlaufen und Auswerten einer großen Anzahl von Beziehungen und das Identifizieren von Mustern mit minimaler Latenz.
|
|
Amazon ElastiCache
|
In-memory
|
Verwenden Sie es, wenn Sie eine Caching-Ebene benötigen, um die Leseleistung zu verbessern. Unterstützt Valkey-, Memcached- und Redis OSS-Engines mit serverlosen und knotenbasierten Bereitstellungsoptionen.
|
Optimiert für die Unterstützung von Lesevorgängen im Mikrosekundenbereich und Schreibvorgängen unter einer Millisekunde als kurzlebiger Cache für Daten, auf die häufig zugegriffen wird.
|
|
Amazon MemoryDB
|
In-memory
|
Verwenden Sie ihn, wenn Sie vollständige Datenpersistenz mit Leselatenzen von unter einer Millisekunde benötigen. Geeignet als leistungsstarke Primärdatenbank für Microservices-Architekturen.
|
Optimiert als langlebige In-Memory-Datenbank mit Lesevorgängen im Mikrosekundenbereich und Schreibvorgängen im einstelligen Millisekundenbereich mit langer Lebensdauer. Multi-AZ
|
|
Amazon Timestream
|
Zeitreihen
|
Verwenden Sie diese Option, wenn Sie über eine große Menge an Zeitreihendaten verfügen, die möglicherweise aus einer Reihe von Quellen stammen, z. B. Daten aus dem Internet der Dinge (IoT), Anwendungsmetriken und Inventarverfolgung.
|
Optimiert für das Speichern und Abfragen von Daten, die mit Zeitstempeln und Trendlinien verknüpft sind.
|
Verwenden Sie
In diesem Abschnitt erfahren Sie mehr über den oder die ausgewählten Datenbankdienste und wie Sie mit ihnen beginnen können.
Die von Ihnen gewählte Datenbank erfüllt möglicherweise nicht alle Ihre Anforderungen perfekt. Daher ist es wichtig, Ihre Bedürfnisse und Workload-Anforderungen sorgfältig abzuwägen.
Setzen Sie Prioritäten auf der Grundlage der in diesem Handbuch behandelten Überlegungen, Ihrer eigenen spezifischen „unverzichtbaren“ Anforderungen und der Anforderungen, für die Sie eine gewisse Flexibilität haben. Dies hilft Ihnen dabei, effektive Kompromisse einzugehen und das für Ihre Bedürfnisse bestmögliche Ergebnis zu erzielen.
Bedenken Sie auch, dass Sie Ihre Anwendungsanforderungen in der Regel mit einer Mischung aus am besten geeigneten Datenbanken abdecken können. Indem Sie eine Lösung mit mehreren Datenbanktypen erstellen, können Sie die Stärken nutzen, die jeder Datenbanktyp bietet.
In einem E-Commerce-Anwendungsfall könnten Sie beispielsweise Amazon DocumentDB (für Produktkataloge und Benutzerprofile) wegen der Flexibilität verwenden, die halbstrukturierte Daten bieten. Kombinieren Sie dies dann aber mit der niedrigen, vorhersehbaren Latenz, die DynamoDB bietet (wenn Ihre Benutzer Ihren Produktkatalog durchsuchen). Sie können Aurora auch zur Inventar- und Auftragsabwicklung hinzufügen, wo ein relationales Datenmodell und Transaktionsunterstützung erforderlich sind.
Um Ihnen zu helfen, mehr über die einzelnen verfügbaren AWS Datenbankdienste zu erfahren, haben wir einen Pfad bereitgestellt, in dem Sie untersuchen können, wie die einzelnen Dienste funktionieren. Der folgende Abschnitt enthält Links zu ausführlicher Dokumentation, praktischen Tutorials und Ressourcen, die Ihnen den Einstieg erleichtern.
- Amazon Aurora
-
-
Erste Schritte mit Amazon Aurora
Dieses Handbuch enthält Tutorials und behandelt fortgeschrittenere Aurora-Konzepte und -Verfahren, z. B. die verschiedenen Arten von Endpunkten und das Hoch- und Herunterskalieren von Aurora-Clustern.
Erkunden Sie den Leitfaden
-
Amazon Aurora PostgreSQL Express-Konfiguration
Beginnen Sie in Sekundenschnelle mit einer optimierten Datenbankerstellung unter Verwendung vorkonfigurierter Standardwerte, die für gängige Workloads optimiert sind.
Erkunden Sie den Leitfaden
-
Hohe Verfügbarkeit für Amazon Aurora
Amazon Aurora umfasst Hochverfügbarkeitsfunktionen, die dafür sorgen, dass Ihre Daten auch dann sicher sind, wenn einige oder alle DB-Instances im Cluster nicht mehr verfügbar sind. Diese Funktionen stellen außerdem sicher, dass mindestens eine DB-Instance bereit ist, Datenbankanforderungen von Ihrer Anwendung zu verarbeiten.
Erkunden Sie den Leitfaden
-
Verwenden Sie die globalen Amazon Aurora-Datenbanken
Beginnen Sie mit der Verwendung der globalen Aurora-Datenbanken. In diesem Handbuch werden die unterstützten Engines und die AWS-Region Verfügbarkeit für globale Aurora-Datenbanken mit Aurora MySQL und Aurora PostgreSQL beschrieben.
Erkunden Sie den Leitfaden
- Amazon Aurora DSQL
-
-
Erste Schritte mit Amazon Aurora DSQL
Erstellen Sie Ihren ersten Aurora DSQL-Cluster und stellen Sie mithilfe von PostgreSQL-compatible Treibern und Tools eine Verbindung her. Aurora DSQL ist serverlos und es muss keine Infrastruktur verwaltet werden.
Beginnen Sie mit Aurora DSQL
-
Multi-Region Cluster
Richten Sie aktiv-aktive Cluster mit mehreren Regionen ein, die eine hohe Konsistenz, automatische Wiederherstellung nach einem Ausfall und einer Verfügbarkeit von 99,999% bieten.
Erkunden Sie das Multiregions-Setup
-
Kompatibilität mit SQL-Funktionen
Informieren Sie sich über die von Aurora DSQL unterstützten PostgreSQL-Funktionen, -Ausdrücke und -Datentypen.
Erkunden Sie den Leitfaden
- Amazon Aurora Limitless
-
-
Verwenden der Amazon Aurora PostgreSQL Limitless Database
Skalieren Sie mit automatisiertem horizontalem Sharding über die Aurora-Grenzen für eine einzelne Instanz hinaus. Es verarbeitet Millionen von Schreibtransaktionen pro Sekunde und verwaltet Petabytes an Daten, während gleichzeitig ein Erlebnis mit nur einer Datenbank gewährleistet ist.
Erkunden Sie Limitless Database
-
Grenzenlose Datenbankarchitektur
Machen Sie sich mit der zweischichtigen Architektur von Routern und Shards vertraut, die eine verteilte Verarbeitung ermöglicht und gleichzeitig den Clients ein einziges Datenbank-Image präsentiert.
Erkunden Sie die Architektur
-
Erste Schritte mit Limitless Database
Erstellen Sie Ihre erste Limitless Database DB-Shard-Gruppe und konfigurieren Sie Sharding für Ihre Tabellen.
Beginnen Sie mit Sharding
- Amazon RDS
-
-
Erste Schritte mit Amazon RDS
Erstellen Sie mithilfe von Amazon RDS eine DB-Instance und stellen Sie eine Verbindung zu ihr her. Sie lernen, eine DB-Instance zu erstellen, die DB2, MariaDB, MySQL, Microsoft SQL Server, Oracle oder PostgreSQL verwendet.
Erkunden Sie den Leitfaden
-
Erstellen Sie eine PostgreSQL-Datenbank und stellen Sie eine Verbindung zu ihr her
Erstellen Sie eine Umgebung zum Ausführen Ihrer PostgreSQL-Datenbank (wir nennen diese Umgebung eine DB-Instance), stellen Sie eine Verbindung zur Datenbank her und löschen Sie die DB-Instance.
Beginnen Sie mit dem Tutorial
-
Erstellen Sie einen Webserver und eine Amazon RDS-DB-Instance
Weitere Informationen darüber, wie Sie einen Apache-Webserver mit PHP installieren und eine MySQL-Datenbank zu erstellen. Der Webserver wird auf einer Amazon EC2-Instance unter Verwendung von Amazon Linux ausgeführt. Die MySQL-Datenbank ist eine MySQL-DB-Instance.
Verwenden Sie das Tutorial
- Amazon DocumentDB
-
-
Erste Schritte mit Amazon DocumentDB
Wir helfen Ihnen in nur sieben Schritten beim Einstieg in Amazon DocumentDB. In diesem Handbuch AWS Cloud9 können Sie mithilfe der MongoDB-Shell direkt von der aus eine Verbindung zu Ihrem Cluster herstellen und ihn abfragen. AWS-Managementkonsole
Erkunden Sie den Leitfaden
-
Einrichtung einer Dokumentendatenbank mit Amazon DocumentDB
Dieses Tutorial hilft Ihnen, mit einer MongoDB-Shell aus Ihrer AWS Cloud9 Umgebung eine Verbindung zu Ihrem Amazon DocumentDB-Cluster herzustellen und dann einige Abfragen auszuführen.
Beginnen Sie mit dem Tutorial
-
Bewährte Methoden für die Arbeit mit Amazon DocumentDB
Lernen Sie bewährte Methoden für die Arbeit mit Amazon DocumentDB sowie die grundlegenden Betriebsrichtlinien für die Arbeit mit Amazon DocumentDB kennen.
Erkunden Sie den Leitfaden
-
Migrieren Sie von MongoDB zu Amazon DocumentDB
Erfahren Sie, wie Sie eine bestehende selbstverwaltete MongoDB-Datenbank zu einer vollständig verwalteten Datenbank auf Amazon DocumentDB migrieren.
Beginnen Sie mit dem Tutorial
-
Bewertung der MongoDB-Kompatibilität
Verwenden Sie das Amazon DocumentDB-Kompatibilitätstool, um die Kompatibilität einer MongoDB-Anwendung anhand des Quellcodes der Anwendung oder der MongoDB-Serverprofilprotokolle zu beurteilen.
Verwenden Sie das Tool
- Amazon DynamoDB
-
-
Was ist Amazon DynamoDB?
In diesem Handbuch wird erklärt, wie Sie diesen vollständig verwalteten NoSQL-Datenbankdienst verwenden können, um den Verwaltungsaufwand für den Betrieb und die Skalierung einer verteilten Datenbank (einschließlich Hardwarebereitstellung, Einrichtung und Konfiguration, Replikation, Software-Patching und Clusterskalierung) zu verringern.
Erkunden Sie den Leitfaden
-
Erste Schritte mit DynamoDB
Dieses Handbuch enthält praktische Tutorials, die Ihnen zeigen, wie Sie eine Verbindung zu DynamoDB-Tabellen herstellen, sie erstellen und verwalten.
Erkunden Sie den Leitfaden
-
Programmieren mit Amazon DynamoDB und den SDKs AWS
In diesem Handbuch wird das Programmieren mit Amazon DynamoDB und den AWS SDKs sowie die Fehlerbehandlung erklärt. Sie können die Codebeispiele in diesen Tutorials mit der herunterladbaren Version von DynamoDB oder dem DynamoDB-Webservice ausführen.
Erkunden Sie den Leitfaden
- Amazon ElastiCache
-
-
Dokumentation für Amazon ElastiCache
Sehen Sie sich die gesamte ElastiCache Amazon-Dokumentation an, einschließlich Benutzerhandbüchern sowie spezifischen Referenzen AWS CLI und API-Referenzen.
Erkunden Sie den Leitfaden
-
Erste Schritte mit Amazon ElastiCache
Erfahren Sie, wie Sie mithilfe der ElastiCache Amazon-Konsole einen Valkey-Cluster (Clustermodus deaktiviert) erstellen, Zugriff darauf gewähren, eine Verbindung herstellen und ihn löschen.
Erkunden Sie den Leitfaden
- Amazon MemoryDB
-
-
Erste Schritte mit Amazon MemoryDB
Wir führen Sie durch die Schritte, um mithilfe der MemoryDB-Konsole einen MemoryDB-Cluster zu erstellen, Zugriff darauf zu gewähren, eine Verbindung herzustellen und ihn zu löschen.
Verwenden Sie die Anleitung
-
Beginnen Sie mit Amazon MemoryDB für Valkey
Verschaffen Sie sich einen Überblick über MemoryDB for Valkey, seine Vorteile und wie Sie Ihre MemoryDB for Redis OSS-Datenbank auf die MemoryDB for Valkey-Datenbank aktualisieren können.
Lesen Sie den Blog
-
Integration von Amazon MemoryDB mit Java-based AWS Lambda
Wir besprechen einige der häufigsten Anwendungsfälle für den Datenspeicher Amazon MemoryDB, der auf Langlebigkeit und schnellere Lese- und Schreibvorgänge ausgelegt ist.
Lesen Sie den Blog
- Amazon Keyspaces
-
-
Erste Schritte mit Amazon Keyspaces (für Apache Cassandra)
Dieses Handbuch richtet sich an diejenigen, die Apache Cassandra und Amazon Keyspaces (für Apache Cassandra) noch nicht kennen. Es führt Sie durch die Installation aller Programme und Treiber, die Sie für die erfolgreiche Verwendung von Amazon Keyspaces benötigen.
Erkunden Sie den Leitfaden
-
Anfängerkurs zur Verwendung von Amazon Keyspaces (für Apache Cassandra)
Lernen Sie die Vorteile, typischen Anwendungsfälle und technischen Konzepte von Amazon Keyspaces kennen. Sie können den Service über den bereitgestellten Beispielcode oder das interaktive Tool im AWS-Managementkonsole testen.
Nehmen Sie am Kurs teil (Anmeldung erforderlich)
-
Arbeiten mit Change Data Capture (CDC) -Streams
Erfassen Sie Datenänderungen in Echtzeit in Ihren Amazon Keyspaces-Tabellen für ereignisgesteuerte Architekturen, Analysen und KI-Anwendungen.
Erkunden Sie CDC-Streams
- Amazon Neptune
-
-
Erste Schritte mit Amazon Neptune
Wir helfen Ihnen bei den ersten Schritten mit Amazon Neptune, einem vollständig verwalteten Grafikdatenbankdienst. Diese Anleitung zeigt Ihnen, wie Sie eine Neptune-Datenbank erstellen.
Erkunden Sie den Leitfaden
-
Verwenden von Wissensgraphen zur Erstellung von GraphRag-Anwendungen mit Amazon Bedrock und Amazon Neptune
Erstellen Sie GraphRag-Anwendungen mithilfe von Amazon Bedrock und Amazon Neptune mit Framework. LlamaIndex
Lesen Sie den Blog
-
Entwickeln Sie mit Amazon Neptune eine Lösung zur Betrugserkennung in Echtzeit
Wir zeigen, wie Unternehmen Amazon Neptune ML und die induktive Echtzeit-Inferenzfunktion nutzen können, um in Echtzeit Benachrichtigungen über betrügerische Transaktionen zu erhalten, mit denen sie ihre Betrugsverluste reduzieren und ihren Umsatz steigern können.
Lesen Sie den Blog
- Amazon Timestream
-
-
Erste Schritte mit Amazon Timestream
Wir helfen Ihnen bei den ersten Schritten mit Amazon Timestream. Dieses Handbuch enthält Anweisungen zum Einrichten einer voll funktionsfähigen Beispielanwendung.
Erkunden Sie den Leitfaden
-
Bewährte Methoden mit Amazon Timestream
Wir untersuchen bewährte Methoden, einschließlich der Praktiken in Bezug auf Datenmodellierung, Sicherheit, Konfiguration, Datenaufnahme, Abfragen, Client-Anwendungen und unterstützte Integrationen.
Erkunden Sie den Leitfaden
-
Zugreifen auf Amazon Timestream mithilfe von SDKs AWS
Erfahren Sie, wie Sie mithilfe der AWS SDKs in der Sprache Ihrer Wahl auf Amazon Timestream zugreifen können: Java, Go, Node.js Python oder.NET.
Erkunden Sie den Leitfaden
-
Zeitreihendaten verstehen und warum sie wichtig sind
Informieren Sie sich über die Natur von Zeitreihendaten, ihre Präsenz in verschiedenen Branchen und die verschiedenen Anwendungsfälle, die sie ermöglichen.
Lesen Sie den Blog
-
Amazon Timestream für InfluxDB 3
Ein verwalteter Zeitreihen-Datenbankdienst, der auf InfluxDB 3 basiert und verbesserte Leistung und Funktionen für Zeitreihen-Workloads bietet.
Erkunden Sie den Leitfaden
Erkunden
-
Architekturdiagramme
Erkunden Sie Referenzarchitekturdiagramme, mit denen Sie Ihre Datenbanken entwickeln, skalieren und testen können AWS.
Erkunden Sie Architekturdiagramme
-
Whitepapers
Lesen Sie Whitepapers, die Ihnen den Einstieg erleichtern, bewährte Methoden kennenlernen und Ihre Datenbanken migrieren.
Erkunden Sie Whitepapers
-
AWS Lösungen
Informieren Sie sich über geprüfte Lösungen und architektonische Anleitungen für gängige Anwendungsfälle für Datenbanken.
Entdecken Sie Lösungen
