© 2021, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark.
AWSWebinar Series Latinoamérica
Maria Alejandra Ortiz Velasquez – Mar Ortiz
Solutions Architect @ AWS
Bases de Datos NoSQL en AWS
Las Bases de Datos NoSQL y como usarlas en AWS

¿Cómo interactuar durante el evento?
¿Tiene un proyecto y
necesita ayuda de
nuestro equipo
comercial?
Acceda al LIVE CHAT
con este QR code o con
el enlace enviado en el
chat del evento.
Preguntas y respuestas en
vivo durante todo el evento
¡Haga sus preguntas
directamente a los expertos
de AWS!
Haga clic en el signo "?"
y envíe sus preguntas.

Agenda
- Bases de Datos NoSQL y su utilidad.
- MongoDB y como se puede utilizar en AWS.
- Análisis del relacionamento entre datos por medio de Bases de datos
orientadas a grafos.
- Análisis de logs con ElasticSearch.
- Como ganar rendimiento com Redis y Elasticache.

Requerimientos de las aplicacionesTradicionales
Users: 10–100k
Data volume: GB–TB
Locality: HQ
Performance: Seconds
Request Rate: Tens of thousands
Access: Internal servers, PCs
Scale: Up
Economics: Pay up front
Developer Access: Days/weeks/months
HR Payroll …
CRM ERP

Modern Application Requirements
Users: 1M+
Data volume: TB–PB–EB
Locality: Global
Performance: Milliseconds–microseconds
Request Rate: Millions
Access: Mobile, IoT, devices
Scale: Up-out-in
Economics: Pay as you go
Developer Access: InstantAPI access
Relational Key-value Document
In-memory Graph

Aurora RDS DynamoDB DocumentDB Timestream
Neptune
ElastiCache QLDB Keyspaces
Managed Cassandra
Bases de Datos construidas con un propósito
Relational
Referential
integrity, ACID
transactions,
schema-
on-write
Key-value
High
throughput,
Low latency
reads and writes,
endless scale
Document
Store documents
and quickly
access querying
on any attribute
In-memory
Query by key
with
microsecond
latency
Graph Time-series
Collect, store,
and process
data sequenced
by time
Ledger
Scalable, highly
available, and
managed Apache
Cassandra-
compatible service
Quickly and easily
create and
navigate
relationships
between data
Wide Column
Complete,
immutable, and
verifiable history of
all changes to
application data
Lift and shift,
ERP, CRM,
finance
Real-time
bidding, shopping
cart, social,
product catalog,
customer
preferences
Content
management,
personalization,
mobile
Leaderboards,
real-time
analytics,
caching
Fraud detection,
social
networking,
recommendation
engine
IoT
applications,
event tracking
Systems
of record,
supply chain,
health care,
registrations,
financial
AWS
Service(s)
Common
Use Cases
Build low-latency
applications,
leverage open
source, migrate
Cassandra to the
cloud

400,000+ Customers using AWS Databases
and Analytics Services

NoSQL

* IDC, Data Age 2025: The Evolution of Data to Life-Critical: Don’t Focus on Big Data, Focus on the Data That’s Big, April 2017.
Datos
cada 5 años
Hoyhaymásdatosque
personas
Losdatossonmásdiversos
15
años
existir por
Las plataforma de datos
necesitan:
1,000x
crecer
>10x
crecen
Los datos ya no caben

Escalabilidad
Vertical Horizontal

Replicación
Datos Datos Datos Datos

Fragmentación
Dato 1 Dato 2 Dato 3 Dato 4

Bases de datos relacionales
ID Nome Ciudad
1 Mar Medellin
2 Francisco Bogotá
3 Juliana Calí
Ciudad Departamento
Medellín Antioquia
Calí Valle del Cauca
Bogotá Cundinamarca
Localización
Clientes

Es él modelo relacional el adecuado para sus
requisitos?

Grafos
Motor de
búsqueda
Documentos
Clave - Valor
Aplicación
Relacional
Aplicación
#1
Aplicación
#2
Aplicación
#3

Purpose-Built Databases Example: Airbnb
Airbnb uses different databases based
on the purpose
User search history: DynamoDB
• Massive data volume
• Need quick lookups for personalized search
Session state: ElastiCache
• In-memory store for sub-millisecond site rendering
Transactional data: RDS
• Referential integrity
• Primary transactional database

Bases de datos orientadas a documentos

Bancos de dados orientados a documentos
Nombre: Mar
Ciudad: Medellín
Edad: 37
Nombre:
Francisco
Ciudad: Bogotá
Nombre: Juliana
Ciudad: Calí
Edad: 24
Collection: clientes
Mar
Medellín
37
Francisco
Bogotá
Maria
Calí
24
{
‘nombre’: ‘Mar',
‘ciudad’: ‘Medellín’,
‘edad’: 37
}
{
‘nombre’: ‘Francisco',
‘ciudad’: ‘Bogotá’,
}
{
‘nombre’: ‘Juliana',
‘ciudad’: ‘Calí’,
‘edad’: 24
}

Bases de datos orientadas a documentos

Desafios con Bases de Datos tradicionales
API
Procesador de consultas
Cache
Logging
Almacenamiento
Aplicación
No fue diseñado para la
nube
Arquitetura monolítica

Desafios con Bases de Datos tradicionales
Nodo 1 Nodo 2 Nodo 3
Disco Disco Disco

Desafios con Bases de Datos tradicionales
Nodo 1 Nodo 2 Nodo 3
Disco Disco Disco
Nodo 4
Disco

Desafios con Bases de Datos tradicionales
Nodo 4
Replicación
Nodo 1 Nodo 2 Nodo 3
Disco Disco Disco Disco

Desafios con Bases de Datos tradicionales
- Recuperación ante desastre de nodos.
- Escalabilidad en el almacenamiento.
- Backups sin afectar el rendimento.
- Durabilidad de los datos.

Amazon DocumentDB (compatible com
MongoDB)

API
Procesador de consultas
Cache
Logging
Almacenamento
Descople de computación y almacenamiento
Capa de Computo
Capa de
Almacenamiento

Instancia
(Réplica)
Almacenamiento distribuído
Zona de disponibilidad 1 Zona de disponibilidad 2 Zona de disponibilidad 3
Lectura
Instancia
(Primaría)
Instancia
(Réplica)
Lectura
Escritura
Lectura
Computación
2-96 cores
4-768GB RAM
Almacenamiento

Instancia
(Primaria)
Almcenamiento distribuído
Instancia
(Replica)
Instancia
(Replica)
Aplicación

Instancia
(Réplica)
Almacenamiento distribuído
Lectura
Instancia
(Primaría)
Instancia
(Réplica)
Lectura
Escritura
Lectura
Computación
Almacenamiento

Instancia
(Réplica)
Almacenamiento distribuído
Lectura
Instancia
(Primaría)
Instancia
(Réplica)
Lectura
Escritura
Lectura
Instancia
(Réplica)
Lectura
Computo
Almacenamiento

Demonstración

Otras opciones
- MongoDB en AWS:
https://aws.amazon.com/pt/quickstart/architecture/mongodb/
- MongoDB Atlas en AWS:
https://aws.amazon.com/quickstart/architecture/mongodb-atlas/

Bancos de dados orientados a grafos

Cambios en el uso de la Data
Social news feed Recommendations Retail fraud detection
Friends
Use
Play
Like
Check in
Like
Connect
Read
Credit
card
Product
Email
address
Credit
card
Known
fraud
Uses
Paid
with
Uses
Paid
with
Paid with
Purchased
Approve
purchase?
Sport
Product
Purchased
Purchased
People
who also
follow sports
purchased…
Purchased
Knows
Knows
Do you
know…
Follows
Follows
Follows

Mar Aletas
Maria
Ana
Juan
Juana
Rita
Rugby
Underwater
Le gusta
Le gusta
Le gusta
Le gusta
Amigo(a) de
Amigo(a) de
Le gusta

Empresa
1
João Maria
Andre
Pedido
317
Helicóptero
Carro
Trabaja para
Trabaja para
Trabaja para
Hizo el
Contiene
Contiene
ID Nombre Ciudad
1 Empresa 1 Medellín
2 Empresa 2 Bogotá
Empresas
ID Nombre EmpresaID
1 Andre 1
2 Mar 1
Personas
ID
PersonaI
D
Fecha
1 1 02/02/2021
Pedidos
Pedido
ID PedidoID ProdutoID Cantidad
1 1 1 1
2 1 2 2
ID Descripción
1 Carro
2 Helicóptero
Producto

Neo4j

Neo4j
https://aws.amazon.com/marketplace/pp/prodview-k4c7xihxgbafk

Amazon Neptune

Amazon Neptune
Rápido
Consulte billones de relacionamentos
con latencia de milisegundos
Confiable
6 réplicas de sus datos en 3 AZs
Open Source
Soporta ApacheTinkerPop
yW3C RDF
Construya consultas poderosas
facilmente con Gremlin e SPARQL
Fácil

Demonstración

Bases de datos de Motores de búsqueda

Los Logs poseen valiosos insights operacionales
Insights
de negocio
¿Qué funciones se utilizan más o menos?
¿Qué usuarios son más activos y por qué?
¿Existe alguna actividad de autenticación
sospechosa? ¿A qué datos se accedió con esta
dirección IP?
Seguridad
¿Mi infraestrutura está funcionando?
¿Cuál es la latencia y la incetidumbre de error?
¿Qué causa los problemas del aplicativo?
Aplicaciones

Encontrar una aguja en un pajar es un desafío

Productores
Tracing
Logs de servicios AWS
Logs de seguridad
Logs de aplicación
e infraestrutura
Métricas da aplicación e
infraestrutura
Recolecotores
Amazon Kinesis
Agent
CloudWatch
Agent
fluentbit
Beats
fluentd
Agregadores
Amazon Managed
Streaming for Kafka
Amazon Simple
Storage Service
Amazon Kinesis
Firehose
Logstash
Kibana
Amazon Elasticsearch
Service
Log analytics: flujo

Contenido relevante
- Implementación de análisis de logs con Amazon Elastic Kubernetes Service
(EKS), Fluent Bit y Amazon Elasticsearch Service:
https://www.eksworkshop.com/intermediate/230_logging/

Bases de Datos tipo clave-valor

Base de Datos tipo clave-valor
Redis
Clave Valor
nombre Mar
Clave Valor
edad 30
Clave Valor
deportes
Rugby
subacuático
Pesas
Pole Dance

Funcionalidades
- Colocar datos en una base de datos;
- Obtener los datos de una base de datos;
- Basado en claves;
Clave Valor
nombre Mar
Clave Valor
edad 30
Clave Valor
deportes
Rugby
subacuático
Pesas
Pole Dance

Funcionalidades
- Redis es rápido;
- Datos almacenados en memória.

Aplicación
Clave Valor
Nombre Mar
Bese de
datos
Clave Valor
Nombre Mar
Redis

Aplicación
ID Nome
1 Mar
Base de datos
Redis
Clientes
ID Item
1 Helicóptero
Item
ClienteID ItemID Valor
1 1 100.000
Oferta
Clave Valor
1 ClienteID 1
Valor 317.000
1 1 317.000

Amazon ElastiCache

Demonstración

¡Gracias!
Manténgase informado
sobre las próximas
sesiones
¡Accede a la
programación del
webinar con este código
QR y regístrese!
QR CODE
Cuéntenos qué opina
del seminario web
Haga clic en “salir” para
responder a una
encuesta de
satisfacción rápida