As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Escolhendo um AWS serviço de banco de dados
Dando o primeiro passo
|
Finalidade |
Ajude a determinar quais AWS banco de dados ou bancos de dados são os mais adequados para sua organização. |
|
Última atualização |
2 de junho de 2026 |
|
Serviços cobertos |
Introdução
AWS oferece um número crescente de opções de banco de dados (mais de 15) com diversos modelos de dados para dar suporte a uma variedade de cargas de trabalho. Isso inclui relacional, valor-chave, documento, memória, gráfico, série temporal, vetor e coluna larga.
Escolher o banco de dados certo, ou vários bancos de dados, exige que você tome uma série de decisões com base nas necessidades da sua organização. Este guia de decisão ajudará você a fazer as perguntas certas, fornecer um caminho claro para a implementação e ajudá-lo a migrar do seu banco de dados existente.
Este vídeo explora a ampla variedade de AWS serviços de banco de dados descritos em AWS re:Invent 2024.
Compreendo
Os bancos de dados são sistemas de back-end essenciais que armazenam, gerenciam e recuperam dados com eficiência, garantindo integridade, escalabilidade e desempenho para aplicativos de todos os tipos e tamanhos.
Este guia de decisão foi criado para ajudar você a entender a variedade de opções disponíveis, estabelecer os critérios para fazer sua escolha de banco de dados e fornecer informações detalhadas sobre as propriedades exclusivas de cada banco de dados. Depois, você pode aprender mais sobre os recursos que cada banco de dados oferece.
Quais são as propriedades dos aplicativos com os quais as pessoas criam AWS bancos de dados?
-
Internet-scale aplicações: Esses aplicativos podem lidar com mais de 100 milhões de solicitações por segundo em centenas de terabytes de dados. Eles são dimensionados automaticamente na vertical e na horizontal para oferecer flexibilidade às suas cargas de trabalho.
-
Real-time aplicações: Real-time aplicativos como armazenamento em cache, armazenamento de sessões, tabelas de classificação de jogos, carona compartilhada, segmentação de anúncios e análises em tempo real precisam de latência de microssegundos e alta taxa de transferência para suportar mais de um trilhão de solicitações por segundo.
-
Aplicativos corporativos: Os aplicativos corporativos gerenciam os principais processos de negócios (como vendas, cobrança, atendimento ao cliente e recursos humanos) e processos de linha de negócios (como um sistema de reservas em uma rede de hotéis ou um sistema de gerenciamento de riscos em uma seguradora). Esses aplicativos precisam de bancos de dados rápidos, escaláveis, seguros, disponíveis e confiáveis.
-
Bancos de dados vetoriais e pesquisa vetorial para uso com aplicativos generativos de IA: Qualquer serviço de banco de dados usado provavelmente conterá uma grande quantidade de dados específicos do domínio (como registros financeiros, registros de saúde, dados genômicos e informações da cadeia de suprimentos). Esses dados podem fornecer uma perspectiva única e valiosa sobre sua empresa e o setor mais amplo em que você trabalha. Para o uso generativo da IA, os dados específicos do domínio que você planeja usar para o contexto semântico devem ser codificados como um conjunto de elementos, cada um expresso internamente como um “vetor”. Esses dados contextualmente relevantes geralmente vêm de seus bancos de dados internos, data lakes ou armazenamentos de dados ou documentos não estruturados — os armazenamentos de dados que hospedam seus dados ou conhecimentos específicos do domínio. Esses armazenamentos de dados são genericamente chamados de bases de conhecimento. Geração aumentada de recuperação (RAG) é o processo de recuperar fatos dessas bases de conhecimento para o solo grandes modelos de linguagem (LLMs)
com dados atualizados, precisos e perspicazes. Conforme descrito no diagrama a seguir, AWS adicionou recursos vetoriais ao AWS serviços de banco de dados e pesquisa para que você possa armazenar conjuntos de dados vetoriais onde estão seus dados, simplificar a arquitetura do aplicativo e usar ferramentas testadas, comprovadas e conhecidas. Um banco de dados vetoriais, ou armazenamento de dados vetoriais, significa simplesmente um banco de dados com recursos vetoriais. Esse banco de dados também pode fornecer aprimoramentos adicionais às formas como você usa seus dados com a IA generativa.
Para obter ajuda na escolha entre essas opções de banco de dados vetoriais para uma carga de trabalho generativa de IA, consulte Escolhendo um banco de dados vetorial para seus aplicativos generativos de IA.
nota
Este guia se concentra em bancos de dados adequados para aplicativos de processamento de transações on-line (OLTP). Se você precisar armazenar e analisar grandes quantidades de dados com rapidez e eficiência (um requisito que normalmente é atendido por um aplicativo OLAP), AWS ofertas Amazon Redshift. O Amazon Redshift é um serviço de armazenamento de dados totalmente gerenciado e baseado em nuvem, projetado para lidar com cargas de trabalho de análise em grande escala.
Existem duas categorias de alto nível de AWS Bancos de dados OLTP — relacionais e não relacionais.
-
O AWS A família de bancos de dados relacionais inclui nove mecanismos populares para o Amazon Aurora e o Amazon RDS. Os mecanismos do Amazon Aurora incluem o Amazon Aurora com PostgreSQL-Compatible Edição, Amazon Aurora MySQL-Compatible Edição e Amazon Aurora DSQL. Os mecanismos do Amazon RDS incluem PostgreSQL, MySQL, MariaDB, SQL Server, Oracle e Db2.
-
As opções de banco de dados não relacional são projetadas para modelos de dados específicos. Isso inclui modelos de dados de chave-valor, documento, cache, memória, gráfico, séries temporais e colunas largas.
Exploramos tudo isso em detalhes no Escolher seção deste guia.
migração de banco de dados
Antes de decidir qual serviço de banco de dados você deseja usar, considere seu objetivo comercial, a seleção do banco de dados e como migrará os bancos de dados existentes.
A melhor estratégia de migração de banco de dados ajuda você a aproveitar ao máximo as Nuvem AWS. Isso pode envolver a migração de seus aplicativos para usar bancos de dados em nuvem criados especificamente. Talvez você queira apenas o benefício de usar uma versão totalmente gerenciada do seu banco de dados existente, como o RDS para PostgreSQL ou o RDS para MySQL.
Como alternativa, talvez você queira migrar de seus bancos de dados licenciados comercialmente, como Oracle ou SQL Server, para o Amazon Aurora. Considere modernizar seus aplicativos e escolher os bancos de dados que melhor atendam aos requisitos de fluxo de trabalho de seus aplicativos.
Amazon Aurora DSQL é um banco de dados SQL distribuído sem servidor com replicação ativa e ativa em várias regiões, forte consistência e sem infraestrutura para provisionar ou gerenciar. O Aurora DSQL é PostgreSQL-compatible e dimensiona automaticamente a computação, I/Oe armazenamento com base em sua carga de trabalho. O Aurora DSQL oferece suporte a cargas de trabalho transacionais em arquiteturas de microsserviços, sem servidor e orientadas por eventos, nas quais você precisa dos benefícios de um modelo de dados relacional sem gerenciar a infraestrutura de banco de dados.
Banco de dados Amazon Aurora PostgreSQL Limitless fornece escalabilidade horizontal automatizada por meio de fragmentação, processamento de milhões de transações de gravação por segundo e gerenciamento de petabytes de dados, mantendo a simplicidade de operar em um único banco de dados. Use o Limitless Database quando sua carga de trabalho relacional exigir uma taxa de transferência de gravação ou armazenamento além dos limites de uma única instância do Aurora.
Se você optar por primeiro fazer a transição de seus aplicativos e depois transformá-los, talvez decida reformular a plataforma. Esse processo não faz alterações no aplicativo que você usa, mas permite que você aproveite um serviço totalmente gerenciado na nuvem. Quando seus bancos de dados estão totalmente no Nuvem AWS, você pode começar a trabalhar para modernizar seu aplicativo. Essa estratégia pode ajudar você a sair rapidamente do seu ambiente local atual e, em seguida, focar na modernização.
Você pode usar AWS Database Migration Service
Considere
Você está pensando em hospedar um banco de dados no AWS. Isso pode ser para apoiar um greenfield/pilot projete como uma primeira etapa em sua jornada de migração para a nuvem, ou talvez você queira migrar uma carga de trabalho existente com o mínimo de interrupção possível. Ou talvez você queira portar sua carga de trabalho para gerenciada Serviços da AWS, ou até mesmo refatorá-lo para ficar totalmente focado na nuvem.
Obviamente, a primeira consideração importante ao escolher seu banco de dados é seu objetivo comercial. Qual é a direção estratégica que está levando sua organização a mudar? Considere se você deseja rehospedar uma carga de trabalho existente ou refatorar para uma nova plataforma para não precisar se comprometer com licenças comerciais.
Seja qual for seu objetivo, considerar os critérios corretos pode facilitar a decisão do banco de dados. Aqui está um resumo dos principais critérios a serem considerados.
Escolher
Agora que você conhece os critérios para avaliar suas opções de banco de dados, está pronto para escolher quais AWS os serviços de banco de dados podem ser uma boa opção para sua organização.
Esta tabela lista cada AWS mecanismo de banco de dados junto com seu modelo de dados, casos de uso e otimizações. Use-o para ajudar a determinar o banco de dados mais adequado ao seu caso de uso.
| mecanismo de banco de dados | Modelo de dados | Quando você o usaria? | Para que ele é otimizado? |
|---|---|---|---|
|
Relacional |
Use quando estiver migrando ou modernizando uma carga de trabalho relacional local ou se sua carga de trabalho tiver padrões de consulta menos previsíveis. Suporta MySQL e PostgreSQL-compatible mecanismos com até cinco vezes a taxa de transferência do MySQL padrão. |
Otimizado para dados estruturados que são armazenados em tabelas, linhas e colunas. Bancos de dados relacionais suportam consultas complexas por meio de uniões. |
|
|
Relacional |
Use quando seu aplicativo precisar de SQL distribuído com replicação ativa e ativa em várias regiões, consistência forte e sem servidores para gerenciar. |
Cargas de trabalho OLTP que exigem transações ACID, um modelo relacional e escalabilidade automática sem servidor. PostgreSQL-compatible. |
|
|
Relacional |
Use quando sua carga de trabalho relacional exigir uma taxa de transferência de gravação ou armazenamento além dos limites de uma única instância do Aurora, mantendo uma experiência de banco de dados único. |
Milhões de transações de gravação por segundo e armazenamento em escala de petabytes por meio de fragmentação automatizada. PostgreSQL-compatible. |
|
|
Relacional |
Use quando precisar de um banco de dados relacional totalmente gerenciado com sua escolha de seis mecanismos populares: PostgreSQL, MySQL, MariaDB, SQL Server, Oracle e Db2. |
Otimizado para dados estruturados com suporte total a SQL, backups automatizados, aplicação de patches de software e Multi-AZ implantações para alta disponibilidade. |
|
|
Key-value |
Use para cargas de trabalho, como lojas de sessões ou carrinhos de compras. Key-value os bancos de dados podem ser dimensionados para grandes quantidades de dados e uma taxa de transferência extremamente alta de solicitações, ao mesmo tempo em que atendem milhões de usuários simultâneos por meio de processamento e armazenamento distribuídos. |
Otimizado para fornecer um banco de dados NoSQL sem servidor, totalmente gerenciado, com desempenho de um dígito em milissegundos em qualquer escala. |
|
|
Documento |
Use quando quiser armazenar JSON-like documentos com recursos avançados de consulta em todos os campos dos documentos. |
Otimizado para armazenar dados semiestruturados como documentos com atributos de várias camadas. |
|
|
Wide-column |
Use quando precisar migrar suas cargas de trabalho locais do Cassandra ou quando precisar processar dados em alta velocidade para aplicativos que exigem latência de milissegundos de um dígito. |
Otimizado para cargas de trabalho que exigem cargas pesadas reads/writes e alto rendimento, juntamente com baixa latência e escalabilidade linear. |
|
|
Gráfico |
Use quando precisar modelar redes complexas de objetos, como redes sociais, detecção de fraudes e casos de uso de mecanismos de recomendação. |
Otimizado para percorrer e avaliar um grande número de relacionamentos e identificar padrões com latência mínima. |
|
|
In-memory |
Use quando precisar de uma camada de cache para melhorar o desempenho de leitura. Oferece suporte aos mecanismos Valkey, Memcached e Redis OSS com opções de implantação sem servidor e baseadas em nós. |
Otimizado para suportar leituras de microssegundos e gravações abaixo de um milissegundo como um cache efêmero para dados acessados com frequência. |
|
|
In-memory |
Use quando precisar de persistência total dos dados com latências de leitura inferiores a um milissegundo. Adequado como banco de dados primário de alto desempenho para arquiteturas de microsserviços. |
Otimizado como um banco de dados durável na memória com leituras de microssegundos e gravações de um dígito em milissegundos, com Multi-AZ durabilidade. |
|
|
Séries temporais |
Use quando você tiver uma grande quantidade de dados de séries temporais, potencialmente de várias fontes, como dados da Internet das Coisas (IoT), métricas de aplicativos e rastreamento de ativos. |
Otimizado para armazenar e consultar dados associados a carimbos de data/hora e linhas de tendência. |
Use
Esta seção ajuda você a aprender mais sobre o serviço ou serviços de banco de dados que você escolheu e como começar a usá-los.
O banco de dados que você escolheu pode não satisfazer perfeitamente todos os seus requisitos, por isso é importante considerar cuidadosamente suas necessidades e requisitos de carga de trabalho.
Priorize com base nas considerações abordadas neste guia, em seus próprios requisitos específicos “indispensáveis” e nos requisitos para os quais você tem alguma flexibilidade. Isso o ajudará a fazer compensações eficazes e a obter o melhor resultado possível para suas necessidades.
Considere também que, geralmente, você pode cobrir os requisitos do seu aplicativo com uma combinação dos bancos de dados mais adequados. Ao criar uma solução com vários tipos de banco de dados, você pode usar os pontos fortes que cada tipo oferece.
Por exemplo, em um caso de uso de comércio eletrônico, você pode usar o Amazon DocumentDB (para catálogos de produtos e perfis de usuário) para obter a flexibilidade fornecida pelos dados semiestruturados, mas depois combiná-la com a latência baixa e previsível fornecida pelo DynamoDB (para quando seus usuários estiverem navegando em seu catálogo de produtos). Você também pode adicionar o Aurora ao mix para processamento de estoque e pedidos, onde um modelo de dados relacional e suporte a transações são necessários.
Para ajudar você a aprender mais sobre cada um dos disponíveis AWS serviços de banco de dados, fornecemos um caminho para explorar como cada um dos serviços funciona. A seção a seguir fornece links para documentação detalhada, tutoriais práticos e recursos para ajudar você a começar.
Explore
-
Diagramas de arquitetura
Explore diagramas de arquitetura de referência para ajudá-lo a desenvolver, escalar e testar seus bancos de dados no AWS.
-
Livros brancos
Explore os whitepapers para ajudar você a começar, aprender as melhores práticas e migrar seus bancos de dados.
-
AWS soluções
Explore soluções aprovadas e diretrizes arquitetônicas para casos de uso comuns de bancos de dados.