#aws-dynamodb

MulticloudDB SDK: Cross-cloud portability in the coding agent era

MulticloudDB SDK cho phép lập trình viên và coding agent xây dựng ứng dụng Java có khả năng di chuyển giữa Cosmos DB, DynamoDB và Spanner với ít công sức tái phát triển hơn. Giải pháp này giải quyết vấn đề phân mảng API và cú pháp khác nhau giữa các nền tảng database đám mây lớn. SDK cung cấp lớp trừu hóa thống nhất, giúp giảm khoảng 70% code cần viết lại khi chuyển đổi giữa các dịch vụ database. Công nghệ này đặc biệt hữu ích trong bối cảnh AI coding agent ngày càng phát triển, đòi hỏi tính nhất quán để tự động hóa hiệu quả. Với MulticloudDB SDK, các dự án multicloud trở nên dễ bảo trì và mở rộng hơn đáng kể.

MulticloudDB SDK giúp lập trình viên xây dựng ứng dụng Java có khả năng tương thích đa đám mây trên nhiều nền tảng database với ít công sức tái cấu trúc hơn.

DynamoDB Warm Throughput: Avoid Throttling on a New Table

Bối cảnh: Một bảng DynamoDB mới xử lý khoảng 4,000 requests/giây nhưng sẽ throttling (hạn chế lưu lượng) các request vượt quá ngưỡng này. Nguyên nhân kỹ thuật: DynamoDB cần thời gian để phân bổ capacity cho bảng mới, gây ra hiện tượng throttling cho lưu lượng tăng đột biến. Hệ quả: Các ứng dụng phụ thuộc vào DynamoDB sẽ gặp latency tăng hoặc thất bại khi vượt qua giới hạn 4,000 requests/giây này. Điều đáng học: Có ba giải pháp gồm đợi tự động tăng capacity, khởi tạo với provisioned capacity rồi chuyển sang on-demand, hoặc sử dụng tính năng WarmThroughput để tránh throttling ngay từ đầu.

Bài viết này giải thích cách tránh tình trạng throttling cho bảng DynamoDB mới bằng phương pháp Warm Throughput.

Introducing filtered export from Amazon DynamoDB to Amazon S3

Amazon DynamoDB now supports filtered export to Amazon S3, letting a FilterSpecification (key condition, filter, and projection expressions) narrow an export to specific partitions, items, and attributes without consuming table read capacity, since it reads from the point-in-time recovery backup instead of the live table. The post walks through three use cases: recovering a single tenant's corrupted data via an incremental export instead of a 4 TB full restore, sharing one tenant's history while excluding sensitive attributes like customer contact details, and relocating a tenant's data to another AWS Region using a full filtered export plus S3 import. Filtered export uses the same per-GB pricing as existing export types, with no premium for filtering, and billing is based on matched data when a partition key condition is used. It does not yet support secondary indexes and is available in all commercial Regions.

Home Made CobbleDB Replaces DynamoDB at Perplexity to Cut Query Latency 5x and Reduce Cloud Storage

Perplexity đã chuyển cơ sở hạ tầng search từ Amazon DynamoDB sang CobbleDB - một key-value store tự phát triển bằng Rust - để giải quyết vấn đề latency cao. Lý do kỹ thuật là DynamoDB gặp khó khăn khi xử lý lượng lớn dữ liệu với độ trễ lên đến 300ms, trong khi CobbleDB tối ưu hóa việc lưu trữ trên bộ nhớ. Sau khi migration, công ty đạt được 5x giảm độ trễ query và tiết kiệm đáng kể chi phí cloud storage. Đây là bài học giá trị về việc cân nhắc xây dựng giải pháp nội bộ thay vì chỉ phụ thuộc vào cloud provider khi đối mặt với yêu cầu hiệu suất cao.

Perplexity đã thay thế DynamoDB bằng CobbleDB tự phát triển để giảm độ trễ truy vấn 5 lần và tiết kiệm chi phí lưu trữ đám mây.

If You Think ScyllaDB Is Just Cassandra in C++, Look Again

ScyllaDB ban đầu được phát triển như một bản rewrite hiệu suất cao hơn của Cassandra. Với việc tích hợp tablets, protocol Raft, strong consistency và tương thích DynamoDB, ScyllaDB đã vượt xa mô hình khởi nguồn. Công nghệ này sử dụng multi-core processing để đạt hiệu suất vượt trội, lên đến 10 triệu reads/writes per second trên hardware thông thường. Việc ScyllaDB thay thế từ sharding bằng tablets cho thấy sự đổi mới đáng kể trong kiến trúc database. Nếu bạn đang tìm hiểu về database phân tán có hiệu năng cao, việc tìm hiểu cách ScyllaDB tối ưu hóa đa lõi sẽ mang lại nhiều góc nhìn hữu ích.

Bài viết này giúp lập trình viên hiểu rõ sự khác biệt vượt trội của ScyllaDB so với Cassandra thông qua các công nghệ tiên tiến như Tablets và Raft.

Perplexity’s AI agents helped build a database. They weren’t allowed to run it.

Perplexity đã sử dụng hai kỹ sư và trăm AI coding agents để xây dựng CobbleDB, một cơ sở dữ liệu bằng Rust tùy chỉnh thay thế cho DynamoDB trong stack tìm kiếm của họ. Các AI agents này đã viết toàn bộ code CobbleDB nhưng không được phép triển khai hoặc vận hành hệ thống sau khi hoàn thành. Quy trình này giúp tiết kiệm đáng kể thời gian phát triển so với việc sử dụng hoàn toàn đội ngũ kỹ sự người. Điều đáng học hỏi là cách Perplexity kết hợp sức mạnh AI agents với giám sát của con người để đảm bảo chất lượng sản phẩm cuối cùng.

Perplexity đã sử dụng hàng trăm AI coding agents để xây dựng CobbleDB, cơ sở dữ liệu Rust tùy chỉnh thay thế DynamoDB trong hệ thống tìm kiếm của họ.

Run DuckDB analytics on your Amazon DynamoDB data with zero-ETL

AWS demonstrates a zero-ETL architecture for running ad hoc SQL analytics on DynamoDB data using DuckDB. A zero-ETL integration replicates DynamoDB tables into Apache Iceberg format on Amazon S3 Tables via change data capture, and an AWS Lambda function running DuckDB serves SQL queries through an IAM-authorized function URL, avoiding custom ETL pipelines. The walkthrough covers deployment via a CDK construct, sample data seeding, query performance (around 400ms warm, 3s cold start), security lockdown of the DuckDB engine, cost breakdown, and considerations like refresh interval freshness, response size limits, and Region availability.

Introducing strands-dynamodb-storage: Durable agent storage for the Strands Agents SDK

AWS announces strands-dynamodb-storage, an open source DynamoDB storage backend for the Strands Agents SDK, available on PyPI and npm under Apache 2.0. It implements the SDK's Storage byte contract on a single DynamoDB table, backing session state, transcripts, and long-term memories, and adds S3 offload for large values, gzip compression, TTL, and multi-tenant key prefixes. A DynamoDB vector index on the same table enables semantic memory recall via SearchVectors, eliminating the need for a separate vector database. Requires strands-agents 1.48.0+ or @strands-agents/sdk 1.10.0+, boto3 1.43.64+, and Node.js 20+. The package is v0.1, intended for development and experimentation, with standard DynamoDB and vector index pricing applying plus embedding model costs.

Understanding the CAP Theorem: Consistency, Availability, and Partition Tolerance in System Design

In 1999, Eric Brewer made a claim that would shape how distributed systems would be designed for decades. He proposed that any distributed data store can only guarantee two of three properties simulta

AI-driven software delivery with Kiro, AWS DevOps Agent and Bluebox by Dynatrace

A walkthrough shows how Kiro, AWS DevOps Agent, and Bluebox by Dynatrace form a closed loop between AI-driven code generation and production observability. Using a travel-booking example, Kiro queries Bluebox for runtime telemetry (like DynamoDB read/write ratios) before proposing a feature such as an ElastiCache layer, opens a pull request with supporting evidence, and after deployment, AWS DevOps Agent autonomously investigates a production incident (a misconfigured DynamoDB billing mode), producing a mitigation plan that Kiro turns into a remediation pull request. Human review and existing CI/CD controls remain part of the process throughout.

How Channel Corporation modernized their architecture with Amazon DynamoDB, Part 3: User and Badge

Channel Corporation split a 1.68-billion-item, 1.8 TB DynamoDB User table by extracting Badge data into a dedicated UserBadge table, eliminating transaction-conflict throttling and GSI back pressure caused by spiky one-time-message traffic. Instead of a custom Java scan-and-write migration (5.3 days, $394), they used DynamoDB Export to S3, AWS Glue ETL, and DynamoDB Import from S3 with a transactional dual-write rehearsal phase, cutting migration time to 5.5-6 hours and cost to $253.74 (36% cheaper) with zero RCU/WCU impact on the production table. Post-migration, Badge transaction conflicts dropped from up to 10,000/minute to about 80/minute, and the design now tolerates 100x traffic spikes via on-demand scaling on the isolated table.

AWS Introduces Native Vector Search for DynamoDB

AWS vừa bổ sung tính năng tìm kiếm vector gốc vào DynamoDB, giúp nhà phát triển lưu trữ embeddings cùng dữ liệu ứng dụng và thực hiện truy vấn approximate nearest-neighbor trực tiếp từ DynamoDB.