Amazon DynamoDB म्हणजे काय? NoSQL vs RDS MySQL

By Ravindra Bagale, trainer LinkedIn Last updated: 23 October 2026

तुम्ही EC2 सोबत RDS MySQL वापरलं. Tables, rows, JOINs, fixed schema. अनेक serverless apps ना दुसरं store हवं: single-digit ms reads, patch करायचा server नाही, आणि requests नुसार bill. ते Amazon DynamoDB. हा chapter NoSQL vs RDS आणि keys शिकवतो.

या chapter मध्ये तुम्ही काय शिकाल

NoSQL vs RDS MySQL सोप्या शब्दांत
Table, item, attribute, partition key, sort key
चांगली key कशी निवडायची
On-demand vs provisioned pricing
DynamoDB कधी आणि RDS कधी

1. गोष्ट: फुगलेली attendance sheet

College app प्रत्येक "I am present" tap MySQL table मध्ये लिही. Festival दिवशी दहा मिनिटांत 40,000 taps. RDS CPU 100%. त्या दिवशी JOINs नको होते — student id आणि date ने keyed fast writes हवे होते.

Attendance DynamoDB वर: partition key studentId, sort key date. Writes partitions वर पसरले. Festival वाचला.

2. DynamoDB म्हणजे काय?

हे का लागतं?

Serverless APIs ना असा database हवा जो Lambda सोबत scale होईल आणि रात्री 2 ला instance size विचारणार नाही.

हे काय आहे?

Amazon DynamoDB ही fully managed NoSQL key-value आणि document database. Table बनवा, keys ठरवा, मग Put/Get/Query. Disks, replicas, partitioning AWS करते.

Word	अर्थ	MySQL नाते
Table	एकाच key schema चे items	Table
Item	एक record (400 KB पर्यंत)	Row
Attribute	Item वरील field; एका table मध्ये items वेगळे असू शकतात	Column (पण लवचिक)
Partition key (PK)	Required; item कोणत्या partition मध्ये	Shard key सारखं
Sort key (SK)	Optional; एका PK चे items sort	थेट जोडीदार नाही

3. NoSQL vs RDS MySQL

Topic	DynamoDB	RDS MySQL
Schema	Item नुसार लवचिक attributes	Fixed columns + migrations
Joins	Joins नाही — access patterns नुसार model	JOINs सामान्य
Scaling	Partitions; on-demand किंवा provisioned	Vertical instance + read replicas
Server management	काही नाही	Class, patch, storage तुम्ही
Query style	Key ने GetItem/Query; Scan महाग	SQL SELECT WHERE कुठेही
Best fit	माहीत access patterns, high scale, serverless	Ad-hoc reports, जटिल relations

Ravindra Bagale's Tip

Table design आधी तुमचे top 5 queries लिहू शकत नसाल तर RDS ने सुरू करा — किंवा आधी access patterns वर वेळ द्या.

4. चांगली key कशी निवडायची

हे का लागतं?

Partition key load पसरवते. वाईट key (फक्त "ALL" किंवा प्रत्येक write ला आजची date) hot partition आणि throttling देते.

हे काय आहे?

High cardinality PK: अनेक वेगळ्या values (userId, orderId, deviceId).
एका PK खाली range हवं असेल तर sort key (time ने messages, number ने versions).
High-write table साठी एकच constant PK वापरू नका.
उदा. attendance: PK studentId, SK YYYY-MM-DD → एका student चा महिना = Query.

Disk तुम्ही निवडत नाही. Key करते.

5. On-demand vs provisioned

हे का लागतं?

Capacity mode ठरवतं कसे पैसे आणि traffic forecast करायची गरज आहे का.

हे काय आहे?

Mode	कशाचे पैसे	कधी निवडा
On-demand	प्रत्येक read/write request unit	Spiky, नवीन, अज्ञात traffic; कमी ops
Provisioned	तासाला provisioned RCU/WCU (idle असले तरी)	Steady, forecast करता येणारा traffic

नवीन आणि student projects: on-demand ने सुरू. Graphs सपाट आणि utilization जास्त राहिल्यावर provisioned (बहुतेक auto scaling सह).

6. DynamoDB कधी vs RDS कधी

DynamoDB: session stores, id ने profiles, device+time IoT, carts, स्पष्ट keys असलेल्या serverless apps.
RDS: अनेक ad-hoc filters चे reports, अनेक tables वर strong relations, SQL tools, जटिल cross-entity transactions.
कधी दोन्ही: hot API साठी DynamoDB, analytics साठी RDS/Redshift (Streams/ETL).

7. Lab: console मध्ये table बनवा

कसं करायचं (step by step)

DynamoDB → Tables → Create table. Name: AttendanceLab.
Partition key: studentId (String). Sort key: date (String). का: एक student, अनेक dates.
Table settings: On-demand. Create. Status = Active होईपर्यंत थांबा.
Explore items → Create item. studentId S001, date 2026-10-23, present = true. Create.
S001 साठी 2026-10-22 वर दुसरं item. PK S001 ने Query — दोन्ही. Scan पण चालतो पण नंतर महाग.

Cleanup

Table AttendanceLab delete.

8. Interview questions

प्र. DynamoDB म्हणजे?

Managed NoSQL key-value/document DB, कोणत्याही scale ला single-digit ms.

प्र. PK vs SK?

PK required, items पसरवतो. SK optional, त्याच PK चे items क्रम आणि range query.

प्र. On-demand vs provisioned?

On-demand प्रति request; provisioned तासाला reserved capacity.

प्र. Scan टाळा का?

Scan पूर्ण table/index वाचतो; तपासलेल्या प्रत्येक item चे पैसे. Key ने Query.

प्र. Random admin reports असलेल्या blog साठी?

बहुतेक RDS — लवचिक SQL. Keys स्पष्ट आणि traffic प्रचंड असेल तर public read साठी DynamoDB.

घरी करून बघा

Chat app: room मधले messages time ने. कागदावर PK/SK लिहा.
फक्त PK orderId असलेली OrdersLab on-demand table बनवून तीन items टाका.

थोडक्यात सांगायचं तर

DynamoDB = managed NoSQL; keys आणि access patterns भोवती design.
PK data पसरवते; SK एका PK खाली क्रम.
Spiky/अज्ञात = on-demand; steady forecast = provisioned.
Rich SQL/relations = RDS; keyed high-scale serverless = DynamoDB.

सराव Tasks

या scenario बद्दल

Mumbai Dabba Express हा मुंबई मधला फूड डिलिव्हरी व्यवसाय आहे. Tukaram Gaikwad त्यांचं IT व cloud काम पाहतात. त्यांचे पैसे INR मध्ये मोजले जातात आणि AWS resources ap-south-1 Region मध्ये चालतात. खालच्या tasks मध्ये तुम्ही या lesson मध्ये शिकलेलं वापरून त्यांची खरी कामं करता. सगळी नावं, account IDs, IP addresses व numbers सरावासाठी काल्पनिक आहेत.

0 / 12

सोपं मोठ्या orders आधी

का: RDS setup नंतर database query करणं रोजचं काम.

काय करायचं: Order id व amount, मोठी amount आधी.

Tables: customers(id, name, city) व orders(id, customer_id, amount, odate).

कसं करायचं:

Task कोणत्या table बद्दल आहे ते पाहा (box वरची table list).
SQL statement step by step लिहा: काय, कुठून, कोणते rows.
Statement ; ने संपवा.
Check answer दाबा. Query table च्या practice copy वर चालते.

सोपं City नुसार customers

का: RDS setup नंतर database query करणं रोजचं काम.

काय करायचं: Pune मधल्या customers ची नावं.

Tables: customers(id, name, city) व orders(id, customer_id, amount, odate).

कसं करायचं:

Task कोणत्या table बद्दल आहे ते पाहा (box वरची table list).
SQL statement step by step लिहा: काय, कुठून, कोणते rows.
Statement ; ने संपवा.
Check answer दाबा. Query table च्या practice copy वर चालते.

सोपं Database endpoint शोधा

का: App endpoint नावाने connect होतं, IP ने नाही.

काय करायचं: DB instance mumbaidabba-db describe करा.

कसं करायचं:

Task वाचा आणि ते कोणत्या AWS service बद्दल आहे ते ठरवा.
aws लिहा, मग service चं नाव, मग operation (action शब्द).
प्रत्येक आवश्यक flag (--name) व त्यापुढे task मधली value लिहा.
Flags कोणत्याही क्रमाने चालतात. Check answer दाबा.

मध्यम एकूण sales

का: RDS setup नंतर database query करणं रोजचं काम.

काय करायचं: सगळ्या order amounts ची बेरीज.

Tables: customers(id, name, city) व orders(id, customer_id, amount, odate).

कसं करायचं:

Task कोणत्या table बद्दल आहे ते पाहा (box वरची table list).
SQL statement step by step लिहा: काय, कुठून, कोणते rows.
Statement ; ने संपवा.
Check answer दाबा. Query table च्या practice copy वर चालते.

मध्यम Customer नावांसह orders

का: RDS setup नंतर database query करणं रोजचं काम.

काय करायचं: प्रत्येक customer नाव व order amount.

Tables: customers(id, name, city) व orders(id, customer_id, amount, odate).

कसं करायचं:

Task कोणत्या table बद्दल आहे ते पाहा (box वरची table list).
SQL statement step by step लिहा: काय, कुठून, कोणते rows.
Statement ; ने संपवा.
Check answer दाबा. Query table च्या practice copy वर चालते.

मध्यम लहान orders काढा

का: RDS setup नंतर database query करणं रोजचं काम.

काय करायचं: 200 पेक्षा कमी amount चे orders delete.

Tables: customers(id, name, city) व orders(id, customer_id, amount, odate).

कसं करायचं:

Task कोणत्या table बद्दल आहे ते पाहा (box वरची table list).
SQL statement step by step लिहा: काय, कुठून, कोणते rows.
Statement ; ने संपवा.
Check answer दाबा. Query table च्या practice copy वर चालते.

मध्यम City दुरुस्त करा

का: RDS setup नंतर database query करणं रोजचं काम.

काय करायचं: Customer 5 Rome ला गेले. Record update करा.

Tables: customers(id, name, city) व orders(id, customer_id, amount, odate).

कसं करायचं:

Task कोणत्या table बद्दल आहे ते पाहा (box वरची table list).
SQL statement step by step लिहा: काय, कुठून, कोणते rows.
Statement ; ने संपवा.
Check answer दाबा. Query table च्या practice copy वर चालते.

मध्यम Multi-AZ सुरू करा

का: Multi-AZ दुसऱ्या AZ मध्ये standby ठेवतो व आपोआप failover करतो.

काय करायचं: mumbaidabba-db Multi-AZ करा व बदल लगेच लागू करा.

कसं करायचं:

Task वाचा आणि ते कोणत्या AWS service बद्दल आहे ते ठरवा.
aws लिहा, मग service चं नाव, मग operation (action शब्द).
प्रत्येक आवश्यक flag (--name) व त्यापुढे task मधली value लिहा.
Flags कोणत्याही क्रमाने चालतात. Check answer दाबा.

अवघड Customer नुसार sales

का: RDS setup नंतर database query करणं रोजचं काम.

काय करायचं: Customer नुसार total, फक्त 1000 पेक्षा जास्त.

Tables: customers(id, name, city) व orders(id, customer_id, amount, odate).

कसं करायचं:

Task कोणत्या table बद्दल आहे ते पाहा (box वरची table list).
SQL statement step by step लिहा: काय, कुठून, कोणते rows.
Statement ; ने संपवा.
Check answer दाबा. Query table च्या practice copy वर चालते.

अवघड Orders नसलेले customers

का: RDS setup नंतर database query करणं रोजचं काम.

काय करायचं: कधीच order न केलेल्या customers ची नावं.

Tables: customers(id, name, city) व orders(id, customer_id, amount, odate).

कसं करायचं:

Task कोणत्या table बद्दल आहे ते पाहा (box वरची table list).
SQL statement step by step लिहा: काय, कुठून, कोणते rows.
Statement ; ने संपवा.
Check answer दाबा. Query table च्या practice copy वर चालते.

अवघड MySQL database बनवा

का: RDS database तुमच्यासाठी चालवतं: backups, patches व failover managed.

काय करायचं: RDS instance mumbaidabba-db बनवा: engine mysql, class db.t3.micro, 20 GiB storage, master user admin, master password $DB_PASS मधून.

कसं करायचं:

Task वाचा आणि ते कोणत्या AWS service बद्दल आहे ते ठरवा.
aws लिहा, मग service चं नाव, मग operation (action शब्द).
प्रत्येक आवश्यक flag (--name) व त्यापुढे task मधली value लिहा.
Flags कोणत्याही क्रमाने चालतात. Check answer दाबा.

अवघड Read replica बनवा

का: Read replicas reports व read traffic main database वरून कमी करतात.

काय करायचं: Source mumbaidabba-db पासून mumbaidabba-db-ro read replica बनवा.

कसं करायचं:

Task वाचा आणि ते कोणत्या AWS service बद्दल आहे ते ठरवा.
aws लिहा, मग service चं नाव, मग operation (action शब्द).
प्रत्येक आवश्यक flag (--name) व त्यापुढे task मधली value लिहा.
Flags कोणत्याही क्रमाने चालतात. Check answer दाबा.

सगळे सराव tasks Task Hub मध्ये पाहा →

उजळणी, तुलना आणि मुलाखत cards

हा lesson काही मिनिटांत revise करा. Cards phone वर save करा किंवा PNG download करा. प्रत्येक card वरचा QR हा lesson उघडतो.

उजळणी card: DynamoDB म्हणजे काय?. Serverless APIs ना spike सोबत scale होणारा DB; babysit करायचा server नाही. DynamoDB = managed NoSQL key-value/document database. Partition key सह table; key ने put/get. notes table PK noteId → GetItem milliseconds मध्ये. — उजळणी card: DynamoDB म्हणजे काय? · PNG download करा · Card page उघडा

उजळणी card: Partition key आणि sort key. वाईट keys → hot partitions आणि slow queries. PK data पसरवतो. SK त्याच PK च्या items ला range query साठी क्रम देतो. आधी access patterns: Query काय कराल? userId + createdAt → एका user च्या notes newest first. — उजळणी card: Partition key आणि sort key · PNG download करा · Card page उघडा

उजळणी card: On-demand vs provisioned. Capacity चुकीची → throttle किंवा पैसा वाया. On-demand = per request. Provisioned = RCU/WCU reserve. Labs/spiky: on-demand. Steady known load: provisioned. Hackathon → on-demand. Flat nightly batch → provisioned. — उजळणी card: On-demand vs provisioned · PNG download करा · Card page उघडा

उजळणी card: DynamoDB vs RDS MySQL. चुकीचा database प्रत्येक feature मध्ये झगडतो. DynamoDB: keyed, scale, no joins. RDS: SQL, relations, reports. स्पष्ट Get/Query → DynamoDB. Joins/reports → RDS. Sessions/notes → DynamoDB. Accounting joins → RDS. — उजळणी card: DynamoDB vs RDS MySQL · PNG download करा · Card page उघडा

तुलना: DynamoDB vs RDS MySQL. DynamoDB: NoSQL key-value / document. RDS MySQL: Relational SQL tables. — तुलना: DynamoDB vs RDS MySQL · PNG download करा · Card page उघडा

तुलना: On-demand vs Provisioned. On-demand: प्रति read/write request unit. Provisioned: RCU/WCU reserve. — तुलना: On-demand vs Provisioned · PNG download करा · Card page उघडा

मुलाखत card: Hot partition कशामुळे?. एका partition key value वर खूप reads/writes. Low-cardinality keys (status=ACTIVE) load एकत्र करतात. High-cardinality keys; गरजसे write-heavy shard. — मुलाखत card: Hot partition कशामुळे? · PNG download करा · Card page उघडा

मुलाखत card: DynamoDB item size limit काय?. सुमारे 400 KB per item. मोठे blobs S3 मध्ये; DynamoDB मध्ये pointer. Note text DDB; PDF S3. — मुलाखत card: DynamoDB item size limit काय? · PNG download करा · Card page उघडा

मुलाखत card: DynamoDB SQL joins support करतो का?. नाही. Access patterns साठी data model करा. Duplicate किंवा single-table design joins ची जागा घेतो. रोज ad-hoc joins → RDS विचार. — मुलाखत card: DynamoDB SQL joins support करतो का? · PNG download करा · Card page उघडा

मुलाखत card: DynamoDB कधी चांगला default?. माहीत key patterns, serverless scale, simple items. Lambda + API Gateway सोबत नैसर्गिक. userId ने notes, cartId ने cart. — मुलाखत card: DynamoDB कधी चांगला default? · PNG download करा · Card page उघडा

अजून cards: Ravi Sir's Cards.