A. 什么是 Amazon DynamoDB
DynamoDB 是Amazon(亚马逊)最新发布的 NoSQL (指的是非关系型的数据库。随着互联网web2.0网站的兴起，传统的关系数据库在应付web2.0网站，特别是超大规模和高并发的SNS类型的web2.0纯动态网站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。)。DynamoDB是一个性能好、可靠高且具有可扩展性的 NoSQL 云数据库服务，DynamoDB集15年分布式非关系性数据库开发之精粹，又通过内部使用考验，是AWS团队精心打造的产品。
B. Dynamo的入门基础
Dynamo的意思是发电机，顾名思义，这一整套的方案都像发电机一样，源源不断地提供服务，永不间断。以下内容看上去有点教条，但基本上如果你要理解原理，这每一项都是必须知道的。
CAP原则
先来看历史，Eric A. Brewer教授，Inktomi公司的创始人，也是berkeley大学的计算机教授，Inktomi是雅虎搜索2013年的台端技术核心支持。最主要的是，他们 （Inktomi公司）在最早的时间里，开始研究分布计算。CAP原则的提出，可以追溯到2000年的时候（可以想象有多么早！），Brewer教授在一次谈话中，基于他运作Inktomi以及在伯克利大学里的经验，总结出了CAP原则（文末参考资料中有其演讲资料链接）。图一是来自Brewer教授当年所画的图：
图一：CAP原则当年的PPT
Consistency（一致性）：即数据一致性，简单的说，就是数据复制到了N台机器，如果有更新，要N机器的数据是一起更新的。
Availability（可用性）：好的响应性能，此项意思主要就是速度。
Partition tolerance（分区容错性）：这里是说好的分区方法，体现具体一点，简单地可理解为是节点的可扩展性。
定理：任何分布式系统只可同时满足二点，没法三者兼顾。
忠告：架构师不要将精力浪费在如何设计能满足三者的完美分布式系统，而是应该进行取舍。
DHT——分布式哈希表
DHT（Distributed Hash Table，分布式哈希表），它是一种分布式存储寻址方法的统称。就像普通的哈希表，里面保存了key与value的对应关系，一般都能根据一个key去对应到相应的节点，从而得到相对应的value。
这里随带一提，在DHT算法中，一致性哈希作为第一个实用的算法，在大多数系统中都使用了它。一致性哈希基本解决了在P2P环境中最为关键的问题 ——如何在动态的网络拓扑中分布存储和路由。每个节点仅需维护少量相邻节点的信息，并且在节点加入/退出系统时，仅有相关的少量节点参与到拓扑的维护中。至于一致性哈希的细节就不在这里详细说了，要指明的一点是，在Dynamo的数据分区方式之后，其实内部已然是一个对一致性哈希的改造了。
C. 你的行业中有哪些比较知名的大数据实际应用的案例
Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。
D. 简述一下DynamoDB和SimpleDB的区别
NoSQL数据库促进了可扩展性，且能够帮助Web应用减少开发时间。不像关系型数据拥有固定的模式，很多NoSQL数据库无模式，但也为开发者提供了更多的灵活性。两个比较流行的NoSQL数据库是亚马逊Web服务的SimpleDB和DynamoDB。 亚马逊DynamoDB和Simpl...
E. 亚马逊AWS的云计算服务有哪些优势
亚马逊AWS作为云计算服务的领军者， AWS对SaaS解决方案的设计提供了一些云计算服务最佳实践。
一、将平台化的功能隔离出来，SaaS产品的更新速度是非常快的，但是我们仍然能够总结出一些核心的功能是基本不变或者能够在很多其他新的产品模块中重用的。我们要将这部分功能分离出来进行平台化改造以服务于更多的其它功能，将这些功能平台化以后也会降低整个系统的耦合性从而支撑更多的SaaS应用的功能。对通用功能的平台服务隔离可以更好的调优和独立扩展，同时重用核心服务并结合应用框架的使用会极大提升应用开发的效率。
二、优化成本和性能，在传统的技术架构下这两者之间往往需要进行一定的平衡，而在AWS云的架构下的SaaS服务云模式下往往可以实现鱼与熊掌兼得。在每个架构层次实现弹性的横向扩展可以让我们实现按使用量付费的模式，而不需要为了获得强大的性能而提前付出大量的资源成本，同时我们在SaaS的AWS架构下可以使用更小的、平行的资源单位进行扩展，从而更为贴近SaaS环境下的实际资源需求，在合适的场景下尽可能的采用完全由AWS托管的服务(比如Amazon DynamoDB等)来降低SaaS合作伙伴的运维成本并提升效率。
三、针对SaaS解决方案设计的。云计算服务，首先对于多租户的设计要针对SaaS应用自身的特点来进行规划，总体的设计原则是系统会有多个帐号，而一个帐号会对应多个用户，一个用户又会对应多个角色;其次是对于系统处理各种请求时要按照优先级进行分级管理，在通过使用AWS各种服务如SQS、SWF等对系统进行解偶后，对AWS资源集约使用的前提下，对请求分优先级处理会极大提升SaaS架构的处理能力和稳定性;接下来要对监控加大投入力度，借助AWS CloudWatch等监控服务，通过粒度更细的监控来控制分布式资源更为有效的弹性伸缩;最后合作伙伴还需要非常了解SaaS应用架构中所有数据的生命周期以及在在各个周期内数据的特点，依据这些特点为数据在AWS的服务中选择正确恰当的存储方式以优化技术架构及降低成本。
四、收集一切可以收集的数据并从这些数据中挖掘出价值。AWS基础架构自身通过CloudWatch服务就可以收集粒度非常细的指标，同时SaaS应用自身也会产生大量日志及指标数据，这些数据和指标不但要密切监控同时也要全量的妥善保存起来，以便后续的大数据挖掘工作。云计算服务,不要担心在传统模式下数据存储的高昂成本，在AWS云的架构模式下有大量诸如Amazon S3、Glacier等成本极低的存储方式。通过分析这些大量的数据来了解你SaaS服务的客户，能够为业务带来巨大的价值，例如实时自动调整用户体验及与之相关的基础架构，通过使用量的分析改进业务模型等等。
F. 亚马逊AWS的亚马逊AWS优势
建立本地基础设施费耗时长、成本高，而且涉及订购、付款、安装和配置昂贵的硬件，而所有这些工作都需要在实际使用硬件之前提前很久完成。利用云计算，您就不需要花时间做这些事情；您只需要按实际用量付费。
推荐使用的产品： Amazon EC2、Amazon S3 云计算以多种方式帮助您缩减您的 IT 总成本。我们在经济体和效率方面的规模化改进，帮助我们持续降价，而多种定价模式能帮助您优化可变和稳定工作负荷所需的成本。此外，云计算还能降低前期 IT 人力成本和持续 IT 人力成本，您只需投入相当于传统基础设施成本几分之一的成本就能使用高度分散、功能全面的平台。
推荐使用的产品 Amazon EC2、Amazon S3、Amazon Elastic Block Store 预测客户计划如何使用您的新应用程序很难，而要正确执行亦绝非易事。所以，如果您在部署应用程序前确定了容量，则一般可以避免出现昂贵的闲置资源，或者不必为有限的容量而发愁。如果您的容量用尽，则在获取更多资源前会出现糟糕的用户体验。而利用云计算，这些问题都不会出现。您可以预配置所需的资源量。您可以根据需求轻松扩展资源量。如果您不需要资源量，关掉它们并停止付费就好。
推荐使用的产品： Amazon EC2、Amazon S3、Amazon DynamoDB 利用传统基础设施，需要花数周时间才能采购、交付并运行服务器。这么长的时间期扼杀了创新。利用云计算，您可以根据您的需要预配置资源量。您可以在几分钟内部署数百个甚至数千个服务器，不用跟任何人讨论。这种自助服务环境的变化速度与您开发和部署应用程序一样快，可让您的团队更快、更频繁的进行试验。
推荐使用的产品： Amazon EC2、Amazon RDS、Amazon S3 云计算为您节省了数据中心投资和运营所需的资源，并将其转投向创新项目。具体来说，您可以将您少量的 IT 和工程资源用在有助于您业务发展的项目上，而非在 IT 基础设施这一重要但几乎不会给您的业务带来差别的项目上。
推荐使用的产品：Amazon EC2、Amazon VPC、Amazon CloudFront、Amazon S3 无论您是大型跨国公司还是小型新兴企业，您都有可能在世界各地拥有潜在客户。利用传统基础设施很难为分布广泛的用户基地提供最佳性能，且大多数公司一次只能关注一个地理区域的成本和时间节省。而利用云计算，情况会大不同，您可以在全世界 9 个 AWS 地区或其中一个地区轻松部署您的应用程序。也就是说，您可以用最少的成本帮助您的客户获得较低的延迟和更好的体验。
推荐使用的产品：Amazon EC2、Amazon S3、Auto Scaling
G. 有谁用过亚马逊云科技，来说说
我用过它免费的部分，当时想自己做一个网站，觉得既神秘又高端。其实普通个人的需求免费部分就可以帮忙完成了，并不太会用到付费的部分，一般企业或者公司才会用到付费的部分。总体使用感受不错，因为最开始小白，但是官网上直接有教学视频，就可以一边研究一边搭建。
H. 大数据正在潜移默化的十三个行业
1、电视媒体
大数据应用案例之电视媒体——对于体育爱好者，追踪电视播放的最新运动赛事几乎是一件不可能的事情，因为有超过上百个赛事在 8000 多个电视频道播出。而现在市面上有开发者开发了一个可追踪所有运动赛事的应用程序—— RUWT，它已经可以在 iOS 和 Android 设备，以及在 Web 浏览器上使用，它不断地分析运动数据流来让球迷知道他们应该转换成哪个台看到想看的节目，在电视的哪个频道上找到，并让他们在比赛中进行投票。
对于谷歌电视和 TiVo 用户来说，实际上 RUWT 就是让他们改变频道调到一个比赛中。该程序能基于赛事的紧张激烈程度对比赛进行评分排名，用户可通过该应用程序找到值得收看的频道和赛事。
2、社交网络
大数据应用案例之社交网络——数据基础设施工程部高级主管 Ghosh 描绘的 LinkedIn 数据构建图，其中就包括 Hadoop 战略部署。
几年前，LinkedIn只是一家普通的科技公司。而现在，其俨然成为一个工程强国。LinkedIn 建成的一个最重要的数据库是 Espresso。不像 Voldemort，这是继亚马逊 Dynamo 数据库之后的一个最终一致性关键值存储，用于高速存储某些确定数据，Espresso作为一个事务一致性文件存储，通过对整个公司的网络操作将取代遗留的 Oracle 数据库。
它最初的设计就是为了提供 LinkedIn InMail 消息服务的可用性，该公司计划今年晚些时候将推出开源
3、医疗行业
大数据应用案例之医疗行业—— Seton Healthcare 是采用 IBM 最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。
在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过 3000 次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类 App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。
Express Scripts 就是这么一家处方药管理服务公司，目前它正在通过一些复杂模型来检测虚假药品，这些模型还能及时提醒人们何时应该停止用药。Express Scripts 能够解决该问题的原因在于所有有关数据。因为它每年管理着 1.4 亿处方，覆盖了一亿美国人和 65,000 家药店，虽然该公司是能够识别潜在问题的信号模式，但它也使用数据来尝试解决某些情况下之前曾经发现的问题。
他们还着眼于一些事情，如所开处方的药物种类，甚至有人在网上谈论医生。如果一个医生的行为被标记为红色的旗帜，那么他在网络上是个好人的形象，更是你所需要的医生。
4、保险行业
大数据应用案例之保险行业——保险行业并非技术创新的指示灯，然而 MetLife 保险公司已经投资 3 亿美金建立一个新式系统，其中的第一款产品是一个基于 MongoDB 的应用程序，它将所有客户信息放在同一个地方。
MongoDB 汇聚了来自 70 多个遗留系统的数据，并将它合并成一个单一的记录。它运行在两个数据中心的 6 个服务器上，目前存储了 24TB 的数据。这包括 MetLife 的全部美国客户，尽管它的目标是扩大它的国际客户和多种语言，同时也可能创建一个面向客户的版本。它的更新几乎是实时的，当新客户的数据输入时，就好像 Facebook 墙一样。
大多数疾病可以通过药物来达到治疗效果，但如何让医生和病人能够专注参加一两个可以真正改善病人健康状况的干预项目却极具挑战。安泰保险目前正尝试通过大数据达到此目的。安泰保险为了帮助改善代谢综合症患者的预测，从千名患者中选择 102 个完成实验。在一个独立的实验室工作内，通过患者的一系列代谢综合症的检测试验结果，在连续三年内，扫描 600,000 个化验结果和 18 万索赔事件。将最后的结果组成一个高度个性化的治疗方案，以评估患者的危险因素和重点治疗方案。这样，医生可以通过食用他汀类药物及减重5磅等建议而减少未来 10 年内 50% 的发病率。或者通过你目前体内高于 20% 的含糖量，而建议你降低体内甘油三酯总量。
5、职业篮球赛
大数据应用案例之职业篮球赛——专业篮球队会通过搜集大量数据来分析赛事情况，然而他们还在为这些数据的整理和实际意义而发愁。通过分析这些数据，可否找到两三个制胜法宝，或者至少能保证球队获得高分， Krossover 公司正致力于此。
在每场比赛过后，教练只需要上传比赛视频。接下来，来自 Krossover 团队的大学生将会对其分解。等到第二天教练再看昨晚的比赛时，他只需检查任何他想要的——数据统计、比赛中的个人表现、比赛反应等等。通过分析比赛视频，毫不夸张地分析所有的可量化的数据。
6、能源行业
大数据应用案例之能源行业——智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来 2 ~ 3 个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。
维斯塔斯风力系统，依靠的是 BigInsights 软件和 IBM 超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足 1 小时便可完成。
7、社会生活
大数据应用案例之社会生活——印度有一档非常受欢迎的电视节目 Satyamev jayate，该节目整理并分析社会民众关于争议话题的各种意见，包括女性堕胎、种姓歧视和虐待儿童等社会热点问题，并使用这些数据来推进政治改革。
虽然目前只播放了 13 集，但是来自各方的反馈数据不容小觑。来自印度电视和世界各地的 YouTube 上的 400 万观众;超过 1.2 亿人在其网站、Facebook，Twitter，YouTube 和移动设备上已连接 Satyamev jayate ;超过 800 万的人通过 Facebook，网络注释，文本消息及电话热线等方式发送 14 万个回应，每周有超过 10 万个新观众进行回应。
8、公路交通
大数据应用案例之公路交通——在洛杉矶开过车的人一定都经历过那里噩梦般的交通拥堵情况。目前政府在 I-10 和 I-110 州际公路上建立了一条收费的快速通道。政府可通过大数据引导驾驶人员在该通道上的行驶情况，保证交通畅通。
施乐就是参与此次项目的公司，它的抗拥塞项目，包括用 ExpressLanes 、动态定价，上升的需求等等以维持某种秩序的想法。施乐公司的首席技术执行官表示，如果司机支付给驾驶热车道(高占用收费系统)，他必须保证车速每小时 45 英里左右。如果交通开始拥堵，私家汽车的支付价格将上升，以减少他们进入，而将车道用于高占用率的车辆，例如公共汽车和大巴车。
施乐还有另一个项目在洛杉矶称为 Express Park，目标是让人们知道他们何时即将离开房子，在哪能找到停车场和花费金额。不仅要确保定价，同时更要确保数据实时到达用户手中。例如，应当提前 40 分钟告知用户停车位置。
9、汽车制造
大数据应用案例之汽车制造——当问起汽车的制造过程，大多数人脑子里随即浮现的是各种生产装配流水线和制造机器。然而在福特，在产品的研发设计阶段，大数据就已经对汽车的部件和功能产生了重要影响。
比如，福特产品开发团队曾经对 SUV 是否应该采取掀背式(即手动打开车后行李箱车门)或电动式进行分析。如果选择后者，门会自动打开、便捷智能，但这种方式会影响到车门开启有限的困恼。此前采用定期调查的方式并没有发现这个问题，但后来根据对社交媒体的关注和分析，发现很多人都在谈论这些问题。
10、零售业
大数据应用案例之零售业，某公司是一家领先的专业时装零售商，通过当地的百货商店、网络及其邮购目录业务为客户提供服务。公司希望向客户提供差异化服务，如何定位公司的差异化，他们通过从 Twitter 和 Facebook 上收集社交信息，更深入的理解化妆品的营销模式，随后他们认识到必须保留两类有价值的客户：高消费者和高影响者。
希望通过接受免费化妆服务，让用户进行口碑宣传，这是交易数据与交互数据的完美结合，为业务挑战提供了解决方案。Informatica 的技术帮助这家零售商用社交平台上的数据充实了客户主数据，使他的业务服务更具有目标性。
零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某领先零售企业减少了17% 的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例。
11、总统竞选
大数据应用案例之总统竞选——许多人通过 Facebook 更新个人状态、分享图片以及他们"喜欢"的内容。奥巴马的总统竞选运动也通过使用社交网络的各种数据功能完成了竞选，他们不仅通过社交网络寻找支持者，而且还通过社交网络召集了一批志愿军。
早在 2006 年，Facebook 联合创始人，克里斯·休斯就建议扎克伯格在网站上推出相关服务，帮助总统候选人在 Facebook 上建立个人主页，以便他们进行形象推广。2006 年 9 月，Facebook 全面开放，用户数量爆炸式增长，在年底达到 1200 万。这一过程恰好有利地推升了奥巴马的知名度。此后，在克里斯的辅佐下，奥巴马掀起了一系列的网络活动，在 Facebook、MySpace 等社交网站上发表公开演讲、推广施政理念，赢得大量网民支持，募集到 5 亿多美元的竞选经费。
最终，"黑人平民"战胜了实力雄厚的对手，成为美国历史上第一位黑人总统，之后，在第二次的选举中更获得连任。此次选举被认为是美国民主的巨大进步，而互联网则提供了前所未有的实施手段，其中尤以 Facebook 代表的社交网站最为突出，以至于有人戏称之为 " Facebook 之选"。
最近上任的川普...算了不说了...简直就是一个喷子...
12、电子邮件
大数据应用案例之电子邮件—— MailChimp 的核心业务是提供电子邮件服务，它在一年内为大约 300 万用户发送了 350 亿封邮件。不过真正能体现 MailChimp 未来价值的则是该公司对这些邮件数据的处理和分析。
MailChimp 的一个重要任务就是搞清楚如何帮助客户更好地了解他们所发送的信息。考虑到这一点，该公司建立了一个服务叫 Wavelength，向客户展示了与他们相似的其他讯息。这个系统使得 Wavelength 能够储存公司数据库中每个邮件地址发生的互动。这意味着告诉了你,用户打开了什么样的邮件，何时打开，他们点击了什么链接，还有订阅了什么邮件。MailChimp 也有一个功能叫做 Ecommerce360，能让客户通过转换来跟踪点击。
13、音乐
大数据应用案例之音乐—— 十多年前，音乐元数据公司 Gracenote 收到来自苹果公司的神秘忠告，建议其购买更多的服务器。Gracenote 照做了，而后苹果推出 iTunes 和 iPod，Gracenote 从而成为了元数据的帝国。
在车内听的歌曲很可能反映你的真实喜好， Gracenote 就拥有此种技术。它采用智能手机和平板电脑内置的麦克风识别用户电视或音响中播放的歌曲，并可检测掌声或嘘声等反应，甚至还能检测用户是否调高了音量。这样，Gracenote 可以研究用户真正喜欢的歌曲，听歌的时间和地点。
Gracenote 拥有数百万首歌曲的音频和元数据，因而可以快速识别歌曲信息，并按音乐风格、歌手、地理位置等分类。 作者 佚名 本文转载至网络，如涉及抄袭请联系我们
I. Dynamo的简介
按分布式系统常用的哈希算法切分数据，分放在不同的node上。Read操作时，也是根据key的哈希值寻找对应的node。Dynamo使用了Consistent Hashing算法，node对应的不再是一个确定的hash值，而是一个hash值范围，key的hash值落在这个范围内，则顺时针沿ring找，碰到的第一个node即为所需。
Dynamo对Consistent Hashing算法的改进在于：它放在环上作为一个node的是一组机器（而不是memcached把一台机器作为node），这一组机器是通过同步机制保证数据一致的。
以上图为例，node1其实包含了多台机器，在一个node里宕了一台机或增加一台机，并不影响整个Dynamo对key的寻找。
如果一个ring内的访问量大了，则可以在两个node间加入一个新node以缓解压力，这时会影响到其后继node的hash范围，需要调整数据。假设一个ring中原本只有node2、node3、node4，在加入新的node1之后，原先从node2查询的部分key将改为从node1查询，node1和node2中的数据就需要调整，主要是node1从node2中提取出属于它的数据，这样做需要选取性能压力不高的时候。 Dynamo的一个node中的同步是由client端来“解决”的，使用所谓的（N, R, W）模型，其中，N表示node中机器的总数，R表示一个读请求需要的机器参与总数，W代表一个写请求需要的机器参与总数，这些值由client端配置。
例如，一个node有5台机器（N=5），client发出写请求——广播到5台机，如果收到3个“写完成”的返回消息，即认为写成功（W=3）；client发出读请求——还是广播到5台机，如果收到2个“读完成”的返回消息，即认为读成功（R=2）。对于数据十分重要的应用（如金融），配置可以为(5, 5, 5)，即要求node中所有机器的写都成功；而对于数据读写访问量极高的应用，配置可以为（5, 1, 1）。
通常W不等于N，于是，在某些情况下一个node内的机器上的数据可能会有不一致，这时Dynamo是通过将多个Read的返回结果“合并”来得出最终结果的，使用了所谓Object Version和Vector clock的技术，即跟踪一个Object在不同机器上的版本变化，以确保当多个Read请求结果返回不一致时，能够根据其版本信息得出正确的结果。 Dynamo的这种做法是一种折衷，即为了同时保证读和写的效率，写操作不要求绝对同步，而把不同步可能产生的后果推给了读操作。 Dynamo的一个node中一台机器建有一个Merkle Tree，当两台机器不一致时（如一台机器宕机一段时间），通过这个tree结构，可以快速定位不一致的Object来恢复数据。Merkle Tree又叫Hash Tree，它把key分成几个range，每个range算出一个hash值，作为叶子，再一层层合并计算上去，这样，从root开始比较hash值，就可以快速找到哪几段range中的hash值变化了。
J. 使用dynamodb local 进行添加表和添加数据到表中，可是在dynamodb的控制台并没有
NoSQL数据库促进扩展性且能够帮助Web应用减少发间像关系型数据拥固定模式NoSQL数据库模式发者提供更灵性两比较流行NoSQL数据库亚马逊Web服务SimpleDBDynamoDB
亚马逊DynamoDBSimpleDB充管理非关系型数据库并且提供简单应用程序接口（API）进行存储、查询管理数据两数据库都适用于寻求灵数据库设计应用数同点应用
用SimpleDB管理更数据库
SimpleDB适合每域超10GB型数据库种数据库需要基本存储查询操作期望表增速度比更且计划使用SimpleDB需要自数据两或者更域管理同能够跨域手割数据附加管理费用破坏SimpleDB优势
项服务旨服务于型数据库应用些应用种灵性、用性及耐久性关键考量同扩展性需求较少能够运行改变表属性且须修改模式、重新索引数据或者离线操纵表结构都其灵性体现SimpleDB布区域数据提供用性耐久性
SimpleDB数据库围绕域组织管理类似于关系表域包含元素或者键值集根据关系表行考虑元素同键值别属性属性组件数据添加域要求使用基础API或者控制台
SimpleDB支持简单选择声明即任何SQL程序员都能理解明显区别SimpleDB支持跨域联合需要结合域数据必须查询结合每所使用定制程序于简单联合并困难应用需要支持复杂联合要使用MySQL或者PostgreSQL关系型数据库二者都通亚马逊关系型数据库服务获
SimpleDB优势表索引所元素于允许用户查询任何元素应用用由于所元素都索引通姓氏、城市、籍或者邮政编码查询客户表快实现
用DynamoDB管理型数据库
亚马逊DynamoDB旨要求更高应用设计些应用要求扩展数据存储及更高级数据管理功能代替使用硬盘DynamoDB使用固态硬盘实现恒定、低延迟读写间旨扩展容量同维持致性能虽种性能伴随着更严格查询模型
由于DynamoDB同更企业数据库协作能要求额外数据管理服务AWS同弹性MapRece(EMR_AWS Hadoop服务)Redshift（其数据仓库服务）集DynamoDB使用亚马逊Redshift或者EMR进行规模特殊查询或者析使用DynamoDB基于散列散列区值进行更针性查询使用DynamoDB避免管理割域产额外费用DynamoDB没规模限制且按需管理数据域
DynamoDB主键值索引允许二级索引主索引二级索引都基于散列或者散列区键值取代单选择声明项服务使用查询扫描声明查询声明同主或者二级散列或者刷哪额区键值使用表扫描读取每元素提供更灵性种操作比查询更慢尤其型表更应用响应性部由决定
发者使用DynamoDB Local构建测试本数据库代码通实际产数据库DynamoDBDynamoDB Local API互相兼容代码两种环境运行
性质有哪些？答案：C 利用均值不等式：