Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Elegir un AWS servicio de base de datos
Dando el primer paso
|
Finalidad |
Ayude a determinar qué AWS base de datos o bases de datos son las más adecuadas para su organización. |
|
Última actualización |
2 de junio de 2026 |
|
Servicios cubiertos |
|
Introducción
AWS ofrece un número creciente de opciones de bases de datos (más de 15) con diversos modelos de datos para soportar una variedad de cargas de trabajo. Entre ellas se incluyen las relacionales, las de valores clave, las de documentos, las de memoria, las gráficas, las de series temporales, las vectoriales y las de columna ancha.
Elegir la base de datos correcta, o varias bases de datos, requiere que tome una serie de decisiones en función de las necesidades de su organización. Esta guía de toma de decisiones lo ayudará a hacer las preguntas correctas, a proporcionar una ruta clara para la implementación y a migrar desde su base de datos actual.
Este vídeo explora la amplia gama de servicios de AWS bases de datos descritos en AWS re:Invent 2024.
Entender
Las bases de datos son sistemas de respaldo esenciales que almacenan, administran y recuperan datos de manera eficiente, garantizando la integridad, la escalabilidad y el rendimiento de las aplicaciones de todos los tipos y tamaños.
Esta guía de toma de decisiones está diseñada para ayudarlo a comprender la variedad de opciones disponibles, establecer los criterios para elegir la base de datos y proporcionarle información detallada sobre las propiedades únicas de cada base de datos. A continuación, puede obtener más información sobre las capacidades que ofrece cada base de datos.
¿Cuáles son las propiedades de las aplicaciones que las personas crean con AWS bases de datos?
-
Internet-scale aplicaciones: estas aplicaciones pueden gestionar más de 100 millones de solicitudes por segundo en cientos de terabytes de datos. Se escalan automáticamente de forma vertical y horizontal para proporcionar flexibilidad a sus cargas de trabajo.
-
Real-time aplicaciones: Real-time aplicaciones como el almacenamiento en caché, las tiendas de sesiones, las tablas de clasificación de juegos, los viajes compartidos, la segmentación de anuncios y el análisis en tiempo real necesitan una latencia de microsegundos y un alto rendimiento para poder admitir más de un billón de solicitudes por segundo.
-
Aplicaciones empresariales: las aplicaciones empresariales gestionan los principales procesos empresariales (como las ventas, la facturación, el servicio de atención al cliente y los recursos humanos) y los procesos de las líneas de negocio (como un sistema de reservas en una cadena hotelera o un sistema de gestión de riesgos en una compañía de seguros). Estas aplicaciones necesitan bases de datos rápidas, escalables, seguras, disponibles y confiables.
-
Bases de datos vectoriales y búsqueda vectorial para su uso con aplicaciones de IA generativa: sea cual sea el servicio de bases de datos que utilice, es probable que contenga una gran cantidad de datos específicos del dominio (como registros financieros, registros de salud, datos genómicos e información sobre la cadena de suministro). Estos datos pueden proporcionarle una perspectiva única y valiosa de su empresa y del sector en general en el que trabaja. Para el uso de la IA generativa, los datos específicos del dominio que planeas usar para el contexto semántico deben codificarse como un conjunto de elementos, cada uno expresado internamente como un «vector». Estos datos relevantes desde el punto de vista del contexto suelen provenir de las bases de datos internas, los lagos de datos o los almacenes de datos o documentos no estructurados, es decir, los almacenes de datos que alojan los datos o conocimientos específicos de un dominio. Estos almacenes de datos se denominan genéricamente bases de conocimiento. La generación aumentada de recuperación (RAG) es el proceso para recuperar datos de estas bases de conocimiento para basar los grandes modelos lingüísticos (LLM)
en datos actualizados, precisos y reveladores. Como se describe en el siguiente diagrama, AWS ha agregado funciones vectoriales a las AWS bases de datos y los servicios de búsqueda para que pueda almacenar los conjuntos de datos vectoriales donde estén sus datos, simplificar la arquitectura de la aplicación y utilizar herramientas probadas y conocidas. Una base de datos vectorial, o almacén de datos vectoriales, simplemente significa una base de datos con capacidades vectoriales. Una base de datos de este tipo también puede proporcionar mejoras adicionales en la forma en que se utilizan los datos con la IA generativa.
nota
Esta guía se centra en las bases de datos que son adecuadas para las aplicaciones de procesamiento de transacciones en línea (OLTP). Si necesita almacenar y analizar cantidades masivas de datos de forma rápida y eficiente (un requisito que normalmente cumple una aplicación OLAP), AWS ofrece Amazon Redshift. Amazon Redshift es un servicio de almacenamiento de datos totalmente gestionado y basado en la nube que está diseñado para gestionar cargas de trabajo analíticas a gran escala.
Hay dos categorías de bases de datos AWS OLTP de alto nivel: relacionales y no relacionales.
-
La familia de bases de datos AWS relacionales incluye nueve motores populares para Amazon Aurora y Amazon RDS. Los motores de Amazon Aurora incluyen Amazon Aurora with PostgreSQL-Compatible Edition, Amazon Aurora MySQL-Compatible Edition y Amazon Aurora DSQL. Los motores de Amazon RDS incluyen PostgreSQL, MySQL, MariaDB, SQL Server, Oracle y Db2.
-
Las opciones de bases de datos no relacionales están diseñadas para modelos de datos específicos. Estas incluyen modelos de datos de valores clave, documentos, almacenamiento en caché, en memoria, gráficos, series temporales y columnas anchas.
Exploramos todos estos aspectos en detalle en la sección de esta guía. Elija
migración de bases de datos
Antes de decidir qué servicio de base de datos desea utilizar, debe tener en cuenta su objetivo empresarial, la selección de la base de datos y la forma en que va a migrar las bases de datos existentes.
La mejor estrategia de migración de bases de datos le ayuda a aprovechar al máximo la Nube de AWS. Esto puede implicar la migración de sus aplicaciones para utilizar bases de datos en la nube especialmente diseñadas. Es posible que solo desee disfrutar de la ventaja de utilizar una versión totalmente gestionada de su base de datos existente, como RDS para PostgreSQL o RDS para MySQL.
Si lo prefiere, puede migrar de sus bases de datos con licencia comercial, como Oracle o SQL Server, a Amazon Aurora. Considere la posibilidad de modernizar sus aplicaciones y elegir las bases de datos que mejor se adapten a los requisitos de flujo de trabajo de sus aplicaciones.
Amazon Aurora DSQL es una base de datos SQL distribuida sin servidor con replicación multirregional activa y activa, una sólida coherencia y sin infraestructura que aprovisionar o administrar. Aurora DSQL escala automáticamente el procesamiento PostgreSQL-compatible y el almacenamiento en función de su carga de I/O trabajo. Aurora DSQL admite cargas de trabajo transaccionales en arquitecturas de microservicios, sin servidor y basadas en eventos, en las que necesita los beneficios de un modelo de datos relacional sin administrar la infraestructura de bases de datos.
La base de datos Amazon Aurora PostgreSQL Limitless ofrece un escalado horizontal automatizado mediante la fragmentación, el procesamiento de millones de transacciones de escritura por segundo y la administración de petabytes de datos, a la vez que mantiene la simplicidad de operar en una única base de datos. Utilice Limitless Database cuando su carga de trabajo relacional requiera un rendimiento de escritura o almacenamiento superior a los límites de una única instancia de Aurora.
Si opta por realizar primero la transición de sus aplicaciones y, a continuación, transformarlas, podría decidir cambiar la plataforma. Este proceso no modifica la aplicación que utilizas, pero te permite aprovechar un servicio totalmente gestionado en la nube. Cuando sus bases de datos estén completamente integradas Nube de AWS, puede empezar a trabajar para modernizar su aplicación. Esta estrategia puede ayudarle a salir rápidamente de su entorno local actual y, después, a centrarse en la modernización.
Puede utilizarla AWS Database Migration Service
Considera
Está pensando en alojar una base de datos en AWS. Esto puede ser para respaldar un greenfield/pilot proyecto como primer paso en su proceso de migración a la nube, o puede que desee migrar una carga de trabajo existente con la menor interrupción posible. O tal vez quieras transferir tu carga de trabajo a gestionada Servicios de AWS, o incluso refactorizarla para que esté totalmente centrada en la nube.
Por supuesto, la primera consideración importante a la hora de elegir su base de datos es su objetivo empresarial. ¿Cuál es la dirección estratégica que impulsa a su organización al cambio? Considera si quieres realojar una carga de trabajo existente o refactorizarla a una nueva plataforma para no tener que comprometerte con licencias comerciales.
Sea cual sea su objetivo, tener en cuenta los criterios correctos puede facilitar la toma de decisiones sobre la base de datos. Este es un resumen de los criterios clave que hay que tener en cuenta.
Elija
Ahora que conoce los criterios para evaluar las opciones de su base de datos, está listo para elegir qué servicios de AWS base de datos podrían ser adecuados para su organización.
Esta tabla muestra cada motor AWS de base de datos junto con su modelo de datos, casos de uso y optimizaciones. Utilícela para ayudar a determinar la base de datos que mejor se adapta a su caso de uso.
| Motor de base de datos | Modelo de datos | ¿Cuándo lo usaría? | ¿Para qué está optimizado? |
|---|---|---|---|
|
Relacional |
Úselo para migrar o modernizar una carga de trabajo relacional local o si su carga de trabajo tiene patrones de consulta menos predecibles. Es compatible con MySQL y PostgreSQL-compatible motores con un rendimiento hasta cinco veces mayor que el de MySQL estándar. |
Optimizado para datos estructurados que se almacenan en tablas, filas y columnas. Las bases de datos relacionales admiten consultas complejas mediante combinaciones. |
|
|
Relacional |
Úselo cuando su aplicación necesite SQL distribuido con replicación multirregional activa y activa, una sólida coherencia y sin servidores que administrar. |
Cargas de trabajo de OLTP que requieren transacciones ACID, un modelo relacional y un escalado automático sin servidores. PostgreSQL-compatible. |
|
|
Relacional |
Úselo cuando su carga de trabajo relacional requiera un rendimiento de escritura o almacenamiento que supere los límites de una única instancia de Aurora y, al mismo tiempo, mantenga una experiencia de base de datos única. |
Millones de transacciones de escritura por segundo y almacenamiento a escala de petabytes mediante la fragmentación automatizada. PostgreSQL-compatible. |
|
|
Relacional |
Utilícela cuando necesite una base de datos relacional totalmente gestionada con los seis motores más populares de su elección: PostgreSQL, MySQL, MariaDB, SQL Server, Oracle y Db2. |
Optimizado para datos estructurados con soporte total para SQL, copias de seguridad automatizadas, parches de software e implementaciones para una alta disponibilidad. Multi-AZ |
|
|
Key-value |
Úselo para cargas de trabajo como tiendas de sesiones o carritos de compras. Key-value las bases de datos pueden escalar hasta obtener grandes cantidades de datos y un rendimiento de solicitudes extremadamente alto, a la vez que dan servicio a millones de usuarios simultáneos mediante el procesamiento y el almacenamiento distribuidos. |
Optimizadas para proporcionar una base de datos NoSQL sin servidor y totalmente gestionada con un rendimiento de milisegundos de un solo dígito a cualquier escala. |
|
|
Documento |
Úselo cuando desee almacenar JSON-like documentos con amplias capacidades de consulta en todos los campos de los documentos. |
Optimizado para almacenar datos semiestructurados como documentos con atributos de varios niveles. |
|
|
Wide-column |
Úselo cuando necesite migrar sus cargas de trabajo de Cassandra locales o cuando necesite procesar datos a altas velocidades para aplicaciones que requieren una latencia de milisegundos de un dígito. |
Optimizado para cargas de trabajo que requieren un rendimiento elevado reads/writes y elevado, junto con una baja latencia y una escalabilidad lineal. |
|
|
Gráfico |
Úselo cuando tenga que modelar redes complejas de objetos, como redes sociales, casos de uso de motores de recomendación y detección de fraudes. |
Optimizado para analizar y evaluar un gran número de relaciones e identificar patrones con una latencia mínima. |
|
|
In-memory |
Úselo cuando necesite una capa de almacenamiento en caché para mejorar el rendimiento de lectura. Es compatible con los motores OSS Valkey, Memcached y Redis con opciones de implementación sin servidor y basadas en nodos. |
Está optimizado para admitir lecturas de microsegundos y escrituras de menos de milisegundos como caché efímera para los datos a los que se accede con frecuencia. |
|
|
In-memory |
Úselo cuando necesite una persistencia total de los datos con latencias de lectura inferiores a un milisegundo. Es adecuada como base de datos principal de alto rendimiento para arquitecturas de microservicios. |
Está optimizada como una base de datos en memoria duradera con lecturas de microsegundos y escrituras de milisegundos de un solo dígito, con durabilidad. Multi-AZ |
|
|
Serie temporal |
Úselo cuando tenga una gran cantidad de datos de series temporales, que pueden proceder de diversas fuentes, como datos del Internet de las cosas (IoT), métricas de aplicaciones y seguimiento de activos. |
Optimizado para almacenar y consultar datos asociados a marcas de tiempo y líneas de tendencia. |
Uso
Esta sección le ayuda a obtener más información sobre el servicio o los servicios de base de datos que ha elegido y cómo empezar a utilizarlos.
Es posible que la base de datos que ha elegido no satisfaga todos sus requisitos a la perfección, por lo que es importante tener en cuenta sus necesidades y los requisitos de carga de trabajo.
Establezca prioridades en función de las consideraciones que se abordan en esta guía, de sus propios requisitos específicos «imprescindibles» y de aquellos requisitos para los que dispone de cierta flexibilidad. Esto le ayudará a hacer concesiones eficaces y a obtener el mejor resultado posible para sus necesidades.
Tenga en cuenta también que, por lo general, puede cubrir los requisitos de su aplicación con una combinación de las bases de datos que mejor se adapten. Al crear una solución con varios tipos de bases de datos, puede aprovechar las ventajas que ofrece cada tipo.
Por ejemplo, en un caso práctico de comercio electrónico, puede usar Amazon DocumentDB (para catálogos de productos y perfiles de usuario) para obtener la flexibilidad que ofrecen los datos semiestructurados, pero luego combinarla con la latencia baja y predecible que ofrece DynamoDB (para cuando los usuarios consultan el catálogo de productos). También puede agregar Aurora a la combinación para el procesamiento del inventario y los pedidos, donde se necesita un modelo de datos relacional y soporte para las transacciones.
Para ayudarlo a obtener más información sobre cada uno de los servicios de AWS bases de datos disponibles, le proporcionamos una guía para explorar cómo funciona cada uno de los servicios. La siguiente sección proporciona enlaces a documentación detallada, tutoriales prácticos y recursos que le ayudarán a empezar.
Exploración
|
Rol |
Estrategia de migración Introducción a AWS Database Migration Service |
-
Diagramas de arquitectura
Explore los diagramas de arquitectura de referencia que le ayudarán a desarrollar, escalar y probar sus bases de datos AWS.
-
Documentos técnicos
Explore los documentos técnicos que le ayudarán a empezar, conocer las mejores prácticas y migrar sus bases de datos.
-
AWS soluciones
Explore las soluciones probadas y la orientación arquitectónica para los casos de uso comunes de las bases de datos.
