View a markdown version of this page

Escolhendo um AWS serviço de banco de dados - AWS Guias de decisão

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.

Visão geral do AWS serviços de banco de dados.

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.

AWS bancos de dados vetoriais e pesquisa vetorial.

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 para mover dados para o Amazon Aurora. Para obter recursos para ajudar com sua estratégia de migração, consulte o Explore seção.

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.

Migration strategy

Você pode escolher uma estratégia de rehospedagem para implantar na nuvem mais rapidamente, com menos problemas de migração de dados. Instale seu software de mecanismo de banco de dados no Amazon Elastic Compute Cloud (Amazon EC2), migre seus dados e gerencie seu banco de dados de forma semelhante à forma como você gerencia localmente. Embora a nova hospedagem seja um caminho rápido para a nuvem, você ainda tem as tarefas operacionais, como atualizações, patches, backups, planejamento e gerenciamento de capacidade, manutenção de metas de desempenho e disponibilidade.

Como alternativa, você pode escolher uma estratégia de replataforma para migrar seu banco de dados relacional local para uma instância totalmente gerenciada do Amazon RDS.

Você pode considerar isso uma oportunidade de refatorar sua carga de trabalho para se concentrar na nuvem. Por exemplo, você pode usar o Amazon Aurora ou bancos de dados NoSQL criados especificamente, como Amazon DynamoDB, Amazon Neptune ou Amazon DocumentDB (com compatibilidade com MongoDB).

Finalmente, AWS oferece bancos de dados sem servidor, que podem ser dimensionados de acordo com as demandas de um aplicativo com um modelo de preços de pagamento por uso e alta disponibilidade incorporada. Com bancos de dados sem servidor, você pode aumentar a agilidade e otimizar os custos. Além de eliminar a necessidade de provisionar, corrigir ou gerenciar servidores, muitos AWS bancos de dados sem servidor oferecem opções de manutenção que reduzem o tempo de inatividade.

AWS As ofertas sem servidor incluem Amazon Aurora DSQL, Amazon Aurora Serverless, Amazon DynamoDB, Amazon ElastiCache, Amazon Keyspaces (para Apache Cassandra), Amazon Timestream para LiveAnalyticse Amazon Neptune Serverless.

Characteristics of your data

A essência de qualquer opção de banco de dados inclui as características dos dados que você precisa armazenar, recuperar, analisar e trabalhar. Isso inclui:

  • Seu modelo de dados. Por exemplo, é relacional, estruturado, semiestruturado, série temporal, vetorial ou está usando um conjunto de dados altamente conectado?

  • Acesso aos dados. Como você precisa acessar seus dados?

  • Até que ponto você precisa de dados em tempo real.

  • Se você tem em mente um tamanho de registro de dados específico.

Operational considerations

Suas principais considerações operacionais são onde seus dados serão localizados e como eles serão gerenciados. As duas escolhas principais que você precisa fazer são:

  • Seu banco de dados será auto-hospedado ou totalmente gerenciado?: A questão central aqui é: onde sua equipe fornecerá o maior valor para a empresa? Se seu banco de dados for auto-hospedado, você será responsável pela manutenção, monitoramento e correção diários do banco de dados.

    Escolhendo um totalmente gerenciado AWS o banco de dados simplifica seu trabalho removendo tarefas indiferenciadas de gerenciamento de banco de dados. Essa opção permite que sua equipe se concentre em agregar valor melhorando o design do esquema, a construção e a otimização das consultas. Sua equipe também pode desenvolver aplicativos que se alinhem aos seus objetivos de negócios.

  • Você precisa de um banco de dados sem servidor ou provisionado?: Para começar, revise esses links para Amazon Aurora DSQL, Amazon DynamoDB, Amazon Keyspaces (para Apache Cassandra), Amazon Timestream para LiveAnalytics, Amazônia ElastiCache, Amazonas Netuno, e Amazon Aurora; documentação sobre como pensar na capacidade de transferência provisionada e na escalabilidade. Além disso, esta orientação para Amazon Aurora sem servidor v2 explica por que ele é adequado para cargas de trabalho altamente variáveis (o que significa, por exemplo, que o uso do banco de dados pode ser intenso por um curto período de tempo, seguido por longos períodos de pouca atividade ou nenhuma atividade).

Resiliency, performance, and security

É importante garantir que sua escolha de banco de dados forneça a resiliência, o desempenho e os níveis de segurança de que você precisa.

  • Resiliência — A resiliência do banco de dados é fundamental para qualquer empresa. Para obter resiliência, você precisa prestar atenção a vários fatores importantes, incluindo recursos de backup e restauração, replicação, failover e recuperação point-in-time (PITR).

  • Desempenho — Considere se seu banco de dados precisará suportar uma alta simultaneidade de transações (10.000 ou mais) e se ele precisará ser implantado em várias regiões geográficas. Se sua carga de trabalho exigir um desempenho de leitura extremamente alto com um tempo de resposta medido em microssegundos (em vez de milissegundos de um dígito), convém considerar o uso de soluções de cache na memória, como Amazônia ElastiCache junto com seu banco de dados ou com um banco de dados na memória persistente e totalmente durável, como Amazon MemoryDB.

  • Segurança - A segurança é uma responsabilidade compartilhada entre AWS e você. O AWS O modelo de responsabilidade compartilhada descreve isso como a segurança da nuvem que AWS gerencia e a segurança na nuvem que o cliente gerencia. As considerações de segurança específicas incluem proteção de dados em todos os níveis de seus dados, autenticação, conformidade, segurança de dados, armazenamento de dados confidenciais e suporte para requisitos de auditoria.

Vector database and vector search considerations

Ao escolher um AWS service (Serviço da AWS) com recursos de banco de dados vetoriais ou pesquisa vetorial, comece pensando em quão familiarizada sua equipe está com o serviço que você está explorando. Quando as equipes de desenvolvedores já estão familiarizadas com um mecanismo de banco de dados específico, usar o mesmo mecanismo de banco de dados para pesquisa vetorial ajuda a fazer melhor uso do conhecimento existente e a se desenvolver mais rapidamente. Em vez de aprender um novo conjunto de habilidades, os desenvolvedores podem usar suas habilidades, ferramentas, estruturas e processos atuais para incluir um novo recurso de um mecanismo de banco de dados existente. Veja como isso pode se aplicar à sua situação:

  • Sua equipe de engenheiros de banco de dados já pode gerenciar um conjunto de 100 bancos de dados relacionais hospedados no Amazon Aurora PostgreSQL. Se quiserem oferecer suporte a um novo banco de dados com requisitos de pesquisa vetorial para seus aplicativos, eles devem começar avaliando a extensão pgvector em seus bancos de dados Amazon Aurora PostgreSQL existentes. Enquanto isso, se sua equipe preferir usar as versões comunitárias do PostgreSQL, Amazon RDS para PostgreSQL também suporta o vetor pg extensão.

  • Da mesma forma, se sua equipe estiver trabalhando com dados gráficos, considere usar Análise do Amazon Neptune, que se integra perfeitamente ao seu existente AWS infraestrutura e fornece recursos úteis de consulta e visualização de gráficos. É ideal para GraphRag casos de uso ou na análise de grandes quantidades de dados gráficos para obter insights e encontrar tendências.

  • Se você trabalha com os populares armazenamentos de dados de código aberto Valkey e Redis OSS e precisa de um banco de dados na memória altamente escalável para aplicativos em tempo real, considere usar Amazon MemoryDB. Ele fornece uma interface familiar, permitindo que a equipe use seu conhecimento existente do Valkey e do Redis OSS e as bibliotecas de clientes, ao mesmo tempo em que se beneficia dos recursos totalmente gerenciados, duráveis e escaláveis do Amazon MemoryDB. A pesquisa vetorial do Amazon MemoryDB amplia a funcionalidade do Amazon MemoryDB. Ele pode ser usado em conjunto com a funcionalidade existente do Amazon MemoryDB. As aplicações que não usam a pesquisa vetorial não são afetadas por sua presença. A pesquisa vetorial está disponível em todas as regiões em que o Amazon MemoryDB está disponível. A pesquisa vetorial do Amazon MemoryDB é ideal para casos de uso em que o desempenho máximo e a escala são os critérios de seleção mais importantes. Você pode usar seus dados existentes do Amazon MemoryDB, ou uma API Valkey ou Redis OSS, para criar casos de uso de aprendizado de máquina e IA generativa. Isso inclui geração aumentada de recuperação, detecção de anomalias, recuperação de documentos e recomendações em tempo real.

  • Se sua tecnologia atual não tem suporte à pesquisa vetorial, você pode aproveitar as ofertas sem servidor para ajudar a preencher a lacuna em suas necessidades de pesquisa vetorial. Por exemplo, OpenSearch Sem servidor permite que você crie rapidamente uma experiência no Rocha da Amazônia console sem precisar criar ou gerenciar um cluster. Se seus dados estiverem armazenados em Amazon DynamoDB, OpenSearch O Serverless pode ser uma excelente opção para pesquisa vetorial usando a integração Zero-ETL.

  • Para armazenamento vetorial com custo otimizado em grande escala, Vetores do Amazon S3 fornece suporte nativo para armazenar e consultar dados vetoriais diretamente no Amazon S3. O S3 Vectors oferece suporte a agentes de IA, inferência, RAG e cargas de trabalho de pesquisa semântica em escala de bilhões de vetores.

A tabela a seguir resume os recursos vetoriais em AWS serviços de banco de dados para ajudar você a selecionar a opção certa para sua carga de trabalho generativa de IA.

Serviço Capacidade vetorial Latência Melhor para
OpenSearch Serviço K-nn nativo Baixo — Médio RAG em grande escala, pesquisa híbrida, análise de registros
Amazon Aurora PostgreSQL extensão pgvector Baixo Aplicativos relacionais que precisam de dados vetoriais e transacionais em um único banco de dados
Amazon MemoryDB Pesquisa vetorial nativa Sub-millisecond Cache semântico, inferência em tempo real, recuperação de latência ultrabaixa
Amazon Neptune Analytics Similaridade vetorial e análise gráfica Médio GraphRag, pipelines RAG aprimorados com gráficos de conhecimento
Amazon DocumentDB Pesquisa vetorial nativa (HNSW/IVFFlat índices) Baixo MongoDB-compatible aplicativos com requisitos de pesquisa vetorial
Amazon S3 Vectors Armazenamento e consulta vetoriais nativos Mais alto Cost-optimized armazenamento vetorial em massa em escala de bilhões de vetores
Amazon DynamoDB Pesquisa vetorial nativa (índices vetoriais) + Zero-ETL para OpenSearch Varia Loja operacional em que a busca vetorial é uma carga de trabalho complementar

Outros critérios a serem considerados incluem facilidade de implementação, escalabilidade e desempenho. Eles são discutidos em profundidade neste blog: Principais considerações ao escolher um banco de dados para seus aplicativos generativos de IA.

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?

Amazon Aurora

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.

Amazon Aurora DSQL

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.

Banco de dados Amazon Aurora PostgreSQL Limitless

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.

Amazon RDS

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.

Amazon DynamoDB

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.

Amazon DocumentDB (compatível com MongoDB)

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.

Amazon Keyspaces (para Apache Cassandra)

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.

Amazon Neptune

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.

Amazon ElastiCache

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.

Amazon MemoryDB

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.

Amazon Timestream

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.

Amazon Aurora
  • Comece a usar o Amazon Aurora

    Este guia inclui tutoriais e aborda conceitos e procedimentos mais avançados do Aurora, como os diferentes tipos de endpoints e como escalar clusters do Aurora para cima e para baixo.

    Explore o guia

  • Configuração expressa do Amazon Aurora PostgreSQL

    Comece em segundos com uma experiência simplificada de criação de banco de dados usando padrões pré-configurados otimizados para cargas de trabalho comuns.

    Explore o guia

  • Alta disponibilidade para o Amazon Aurora

    O Amazon Aurora inclui recursos de alta disponibilidade que ajudam seus dados a permanecerem seguros mesmo se algumas ou todas as instâncias de banco de dados no cluster ficarem indisponíveis. Esses recursos também garantem que pelo menos uma instância de banco de dados esteja pronta para lidar com solicitações de banco de dados do seu aplicativo.

    Explore o guia

  • Use bancos de dados globais do Amazon Aurora

    Comece a usar os bancos de dados globais do Aurora. Este guia descreve os mecanismos suportados e Região da AWS disponibilidade para bancos de dados globais do Aurora com o Aurora MySQL e o Aurora PostgreSQL.

    Explore o guia

Amazon Aurora DSQL
  • Comece a usar o Amazon Aurora DSQL

    Crie seu primeiro cluster Aurora DSQL e conecte-se usando PostgreSQL-compatible drivers e ferramentas. O Aurora DSQL não tem servidor e não tem infraestrutura para gerenciar.

    Comece a usar o Aurora DSQL

  • Multi-Region aglomerados

    Configure clusters multirregionais ativos e ativos com forte consistência, recuperação automática de falhas e disponibilidade de 99,999%.

    Explore a configuração multirregional

  • Compatibilidade de recursos do SQL

    Analise os recursos, expressões e tipos de dados do PostgreSQL suportados pelo Aurora DSQL.

    Explore o guia

Amazon Aurora Limitless
  • Usando o banco de dados Amazon Aurora PostgreSQL Limitless

    Expanda os limites do Aurora em uma única instância com fragmentação horizontal automatizada. Ele processa milhões de transações de gravação por segundo e gerencia petabytes de dados, mantendo uma experiência de banco de dados único.

    Explore o banco de dados ilimitado

  • Arquitetura de banco de dados sem limites

    Entenda a arquitetura de duas camadas de roteadores e fragmentos que permite o processamento distribuído enquanto apresenta uma única imagem de banco de dados aos clientes.

    Explore a arquitetura

  • Começando com o Limitless Database

    Crie seu primeiro grupo de fragmentos de banco de dados Limitless Database e configure a fragmentação para suas tabelas.

    Comece com a fragmentação

Amazon RDS
  • Primeiros passos com o Amazon RDS

    Crie e conecte-se a uma instância de banco de dados usando o Amazon RDS. Você aprende a criar uma instância de banco de dados que usa DB2, MariaDB, MySQL, Microsoft SQL Server, Oracle ou PostgreSQL.

    Explore o guia

  • Crie e conecte-se a um banco de dados PostgreSQL

    Crie um ambiente para executar seu banco de dados PostgreSQL (chamamos esse ambiente de instância de banco de dados), conecte-se ao banco de dados e exclua a instância de banco de dados.

    Comece com o tutorial

  • Crie um servidor web e uma instância de banco de dados Amazon RDS

    Este tutorial ajuda você a instalar um servidor Web Apache com PHP e a criar um banco de dados MySQL. O servidor web é executado em uma instância do Amazon EC2 usando o Amazon Linux. O banco de dados MySQL é uma instância de banco de dados MySQL.

    Use o tutorial

Amazon DocumentDB
  • Comece a usar o Amazon DocumentDB

    Ajudamos você a começar a usar o Amazon DocumentDB em apenas sete etapas. Este guia usa AWS Cloud9 para conectar e consultar seu cluster usando o shell do MongoDB diretamente do Console de gerenciamento da AWS.

    Explore o guia

  • Configurando um banco de dados de documentos com o Amazon DocumentDB

    Este tutorial ajuda você a começar a se conectar ao seu cluster Amazon DocumentDB a partir do AWS Cloud9 ambiente com um shell MongoDB e, em seguida, execute algumas consultas.

    Comece com o tutorial

  • Melhores práticas para trabalhar com o Amazon DocumentDB

    Aprenda as melhores práticas para trabalhar com o Amazon DocumentDB, juntamente com as diretrizes operacionais básicas ao trabalhar com ele.

    Explore o guia

  • Migre do MongoDB para o Amazon DocumentDB

    Saiba como migrar um banco de dados MongoDB autogerenciado existente para um banco de dados totalmente gerenciado no Amazon DocumentDB.

    Comece com o tutorial

  • Avaliação da compatibilidade com o MongoDB

    Use a ferramenta de compatibilidade do Amazon DocumentDB para ajudá-lo a avaliar a compatibilidade de um aplicativo MongoDB usando o código-fonte do aplicativo ou os registros do perfil do servidor MongoDB.

    Use a ferramenta

Amazon DynamoDB
  • O que é o Amazon DynamoDB?

    Este guia explica como você pode usar esse serviço de banco de dados NoSQL totalmente gerenciado para aliviar a carga administrativa de operar e escalar um banco de dados distribuído (incluindo provisionamento, instalação e configuração de hardware, replicação, aplicação de patches de software e escalabilidade de clusters).

    Explore o guia

  • Conceitos básicos do DynamoDB

    Este guia inclui tutoriais práticos que mostram como se conectar, criar e gerenciar tabelas do DynamoDB.

    Explore o guia

  • Programação com o Amazon DynamoDB e o AWS SDKs

    Este guia explica como programar com o Amazon DynamoDB e o AWS SDKs, bem como tratamento de erros. Os exemplos de código podem ser executados na versão para download do DynamoDB ou no serviço da Web do DynamoDB.

    Explore o guia

Amazon ElastiCache
  • Documentação para a Amazon ElastiCache  

    Explore o conjunto completo da Amazon ElastiCache documentação, incluindo guias de usuário e guias específicos AWS CLI e referências de API.

    Explore o guia

  • Começando com a Amazon ElastiCache  

    Aprenda a criar, conceder acesso, conectar-se e excluir um cluster Valkey (modo de cluster desativado) usando o Amazon ElastiCache console.

    Explore o guia

Amazon MemoryDB
  • Comece a usar o Amazon MemoryDB

    Orientamos você nas etapas para criar, conceder acesso, conectar-se e excluir um cluster MemoryDB usando o console MemoryDB.

    Use o guia

  • Comece a usar o Amazon MemoryDB for Valkey

    Obtenha uma visão geral do MemoryDB for Valkey, seus benefícios e como você pode atualizar seu banco de dados MemoryDB for Redis OSS para o banco de dados MemoryDB for Valkey.

    Leia o blog

  • Integração do Amazon MemoryDB com Java-based AWS Lambda

    Discutimos alguns dos casos de uso comuns do armazenamento de dados, o Amazon MemoryDB, que foi criado para oferecer durabilidade e leituras e gravações mais rápidas.

    Leia o blog

Amazon Keyspaces
  • Introdução ao Amazon Keyspaces (para Apache Cassandra)

    Este guia é para quem não conhece o Apache Cassandra e o Amazon Keyspaces (para o Apache Cassandra). Ele orienta você na instalação de todos os programas e drivers necessários para usar o Amazon Keyspaces com sucesso.

    Explore o guia

  • Curso para iniciantes sobre o uso do Amazon Keyspaces (para Apache Cassandra)

    Conheça os benefícios, os casos de uso típicos e os conceitos técnicos do Amazon Keyspaces. Você pode experimentar o serviço por meio do código de amostra fornecido ou da ferramenta interativa no Console de gerenciamento da AWS.

    Faça o curso (requer login)

  • Trabalhando com fluxos de captura de dados de alteração (CDC)

    Capture alterações de dados em tempo real em suas tabelas do Amazon Keyspaces para arquiteturas, análises e aplicativos de IA orientados por eventos.

    Explore os fluxos do CDC

Amazon Neptune
  • Comece a usar o Amazon Neptune

    Ajudamos você a começar a usar o Amazon Neptune, um serviço de banco de dados gráfico totalmente gerenciado. Este guia mostra como criar um banco de dados do Neptune.

    Explore o guia

  • Usando gráficos de conhecimento para criar aplicativos GraphRag com o Amazon Bedrock e o Amazon Neptune

    Crie aplicativos GraphRag usando o Amazon Bedrock e o Amazon Neptune com LlamaIndex estrutura.

    Leia o blog

  • Crie uma solução de detecção de fraudes em tempo real usando o Amazon Neptune

    Demonstramos como as empresas podem usar o Amazon Neptune ML e a capacidade de inferência indutiva em tempo real para receber alertas em tempo real sobre transações fraudulentas que podem reduzir suas perdas por fraude e aumentar sua receita.

    Leia o blog

Amazon Timestream
  • Primeiros passos com o Amazon Timestream

    Ajudamos você a começar a usar o Amazon Timestream. Este guia fornece instruções para configurar um aplicativo de amostra totalmente funcional.

    Explore o guia

  • Melhores práticas com o Amazon Timestream

    Exploramos as melhores práticas, incluindo as práticas relacionadas à modelagem de dados, segurança, configuração, ingestão de dados, consultas, aplicativos clientes e integrações suportadas.

    Explore o guia

  • Acessando o Amazon Timestream usando AWS SDKs

    Saiba como acessar o Amazon Timestream usando o AWS SDKs na linguagem de sua escolha: Java, Go, Python, Node.js, ou.NET.

    Explore o guia

  • Entendendo os dados de séries temporais e por que eles são importantes

    Explore a natureza dos dados de séries temporais, sua presença em diferentes tipos de indústrias e os vários casos de uso que eles possibilitam.

    Leia o blog

  • Amazon Timestream para InfluxDB 3

    Um serviço gerenciado de banco de dados de séries temporais baseado no InfluxDB 3, fornecendo desempenho e recursos aprimorados para cargas de trabalho de séries temporais.

    Explore o guia

Explore

  • Diagramas de arquitetura

    Explore diagramas de arquitetura de referência para ajudá-lo a desenvolver, escalar e testar seus bancos de dados no AWS.

    Explore os diagramas de arquitetura

  • Livros brancos

    Explore os whitepapers para ajudar você a começar, aprender as melhores práticas e migrar seus bancos de dados.

    Explore os whitepapers

  • AWS soluções

    Explore soluções aprovadas e diretrizes arquitetônicas para casos de uso comuns de bancos de dados.

    Explore as soluções