Daftar Isi

1. Pendahuluan DynamoDB

Amazon DynamoDB adalah database NoSQL Key-Value dan Document, bersifat serverless, highly scalable, dan berlatensi sangat rendah (1–5 ms).

Developer memilih DynamoDB karena:

Tidak perlu mengelola server database
Skalabilitas otomatis
Performa konsisten
Cocok untuk aplikasi real-time
Integrasi dalam arsitektur serverless
Mendukung data JSON yang fleksibel

DynamoDB adalah salah satu pilar utama di AWS dalam kategori database modern.

Aplikasi besar yang memakai DynamoDB:

Amazon.com (cart, session, catalog)
Netflix
Airbnb
Lyft
Samsung
Disney+
Fortnite (Epic Games)

Jika Anda membangun aplikasi besar atau sistem mission-critical, DynamoDB adalah pilihan yang terbukti.

2. Konsep Fundamental DynamoDB

Sebelum menulis kode, Anda perlu memahami konsep dasar:

2.1 Table

DynamoDB menyimpan data dalam table. Mirip SQL, tetapi tanpa schema kolom kaku.

2.2 Item

Analoginya: row dalam SQL.

2.3 Attribute

Analoginya: kolom pada SQL, tetapi fleksibel (dokumen JSON pun bisa).

2.4 Primary Key

Ini adalah inti desain DynamoDB:

Partition Key (PK) saja atau
Partition Key + Sort Key (PK + SK)

Pemilihan PK & SK menentukan skalabilitas, performa, dan struktur data.

2.5 RCU & WCU (Read/Write Capacity Unit)

Digunakan ketika memakai mode provisioned.
Jika mode on-demand, tidak perlu hitung manual.

3. Arsitektur Internal DynamoDB (How It Works)

Ini bagian penting untuk memahami mengapa DynamoDB sangat cepat.

3.1 Partitioning

DynamoDB memecah tabel ke dalam banyak physical partitions untuk menjaga performa.
Karakteristik:

Setiap partition punya throughput maksimal
Data disebar berdasarkan hash dari Partition Key
Partition bertambah otomatis seiring pertumbuhan tabel

Ini sebabnya PK sangat menentukan:

PK yang buruk → hotspot → throttling
PK yang baik → balanced partition → performa mantap

3.2 Storage Model

DynamoDB menyimpan data di SSD dengan replikasi multi-AZ secara otomatis.

3.3 Consistency Model

Dua mode:

Eventually consistent (default, murah & cepat)
Strongly consistent (lebih konsisten tapi mahal & lebih lambat)

3.4 Request Router

Front-end router akan:

Hash PK
Tentukan target partition
Ambil/menyimpan item dengan latency rendah

Dengan arsitektur seperti ini, DynamoDB mampu memproses jutaan request per detik.

4. Kapasitas: Provisioned, On-Demand, Auto Scaling

4.1 On-Demand Mode

Tidak perlu mengatur kapasitas
Bayar per request
Cocok untuk aplikasi tidak stabil / traffic naik turun
Ideal untuk developer pemula

4.2 Provisioned Mode

Anda mengatur RCU/WCU
Lebih murah jika traffic stabil dan besar
Dapat dipasangkan dengan Auto Scaling

4.3 Auto Scaling

Menyesuaikan kapasitas berdasarkan CloudWatch metrics.

4.4 Perhitungan Sederhana

1 WCU ~ 1 KB write per detik
1 RCU ~ 4 KB strongly consistent read per detik

5. Desain Partition Key & Sort Key

Ini topik yang paling penting bagi developer.

5.1 Partition Key

Karakteristik PK yang baik:

Memiliki kardinalitas tinggi
Terdistribusi merata
Menghindari hotspot

Contoh PK buruk:

country
status
type

Karena sedikit variasi → semua request dilempar ke partition sama.

Contoh PK baik:

user_id
order_id
session_id
blog_post_id

5.2 Sort Key

Sort Key digunakan untuk menyusun data dalam 1 partition.

Contoh desain:

PK	SK	Description
user#123	order#001	Order pertama
user#123	order#002	Order kedua
user#123	profile	Profile user

Anda dapat melakukan:

Range query (between)
Ordering
Limit
Prefix matching

6. Secondary Index (GSI & LSI)

6.1 Global Secondary Index (GSI)

GSI memiliki PK dan SK baru.
Cocok untuk query pola berbeda.

Contoh:

Tabel utama:

PK = user_id
SK = order_id

GSI:

GSI_PK = order_status
GSI_SK = created_at

6.2 Local Secondary Index (LSI)

PK sama dengan tabel utama
SK berbeda
Harus dideklarasikan saat membuat tabel

LSI jarang digunakan dibanding GSI.

7. Item, Attributes, Projection, Capacity Cost

7.1 Item Size

Ukuran item mempengaruhi:

biaya RCU/WCU
biaya storage

Maksimal 400 KB.

7.2 Projection (GSI)

Tiga jenis:

KEYS_ONLY
INCLUDE
ALL

7.3 Biaya Query

Query membeli kapasitas berdasarkan jumlah data yang dibaca, bukan jumlah item hasil.

8. Strategi Denormalisasi Data

DynamoDB menganut denormalisasi, bukan relational normalization.

Prinsip:

Simpan data sesuai akses pattern, bukan relasi
Duplicate data untuk mempercepat query
Optimalkan “read”, bukan “write”

Contoh:

User profile ditulis di beberapa item berbeda agar query lebih cepat.

9. Single Table Design (STD)

Konsep penting DynamoDB modern.

9.1 Apa itu Single Table Design?

Semua entitas diletakkan dalam satu tabel.

Contoh:

PK	SK	Item Type
USER#123	PROFILE	user profile
USER#123	ORDER#1	order 1
USER#123	ORDER#2	order 2
ORDER#1	META	metadata

Manfaat STD

Query lebih cepat
Hemat biaya
Lebih sedikit GSI
Mudah di-scale

Kapan Tidak Perlu STD

Data sederhana
Traffic kecil
Developer belum berpengalaman

10. Data Modeling untuk Use Case Nyata

Saya berikan 5 contoh lengkap:

10.1 E-commerce

PK = user_id
SK = order_id

GSI: search by product, status, date.

10.2 Social Media

PK = user_id
SK = post_timestamp

10.3 Blog / CMS

PK = post_id
SK = comment_id

10.4 IoT

PK = device_id
SK = timestamp

10.5 Mobile App Session

PK = session_id
SK = attributes

11. Operasi CRUD — Multi Bahasa

11.1 Node.js

Put Item

import { DynamoDBClient, PutItemCommand } from "@aws-sdk/client-dynamodb";

const client = new DynamoDBClient({ region: "ap-southeast-1" });

await client.send(new PutItemCommand({
  TableName: "users",
  Item: {
    user_id: { S: "123" },
    name: { S: "Hendro" }
  }
}));

Get Item

const result = await client.send(new GetItemCommand({
  TableName: "users",
  Key: { user_id: { S: "123" } }
}));

Query

await client.send(new QueryCommand({
  TableName: "users",
  KeyConditionExpression: "user_id = :u",
  ExpressionAttributeValues: { ":u": { S: "123" } }
}));

11.2 Python boto3

import boto3
db = boto3.client('dynamodb')

db.put_item(
    TableName='users',
    Item={
        'user_id': {'S': '123'},
        'name': {'S': 'Hendro'}
    }
)

11.3 PHP

$client->putItem([
    'TableName' => 'users',
    'Item' => [
        'user_id' => ['S' => '123'],
        'name' => ['S' => 'Hendro']
    ]
]);

11.4 GoLang

item := map[string]types.AttributeValue{
    "user_id": &types.AttributeValueMemberS{Value: "123"},
    "name": &types.AttributeValueMemberS{Value: "Hendro"},
}

svc.PutItem(context.TODO(), &dynamodb.PutItemInput{
    TableName: aws.String("users"),
    Item:      item,
})

12. DynamoDB Streams

Digunakan untuk:

Real-time analytics
Replication
Trigger Lambda
Materialized views

Events:

INSERT
MODIFY
REMOVE

13. Integrasi dengan AWS Lainnya

13.1 DynamoDB + Lambda + API Gateway

Pola arsitektur serverless terbaik.

13.2 DynamoDB + AppSync

GraphQL serverless modern.

13.3 DynamoDB + ECS

Untuk microservices.

13.4 DynamoDB + Step Functions

Untuk workflow.

14. Transaction & Concurrency Control

DynamoDB mendukung transaksi ACID:

TransactWriteItems
TransactGetItems

Optimistic locking menggunakan ConditionExpression.

15. Error Handling

Gunakan:

Retry with exponential backoff
Circuit breaker pattern
Handle throttling gracefully

16. Security

16.1 IAM

Restrict resource ke level tabel atau item.

16.2 KMS Encryption

Default aktif.

16.3 VPC Endpoint

Agar akses tidak keluar internet.

17. Backup & Restore

Point in Time Recovery (PITR)

Backup otomatis setiap beberapa detik.

Export to S3

Untuk analitik.

18. Query Optimization

Gunakan PK yang high-cardinality
Hindari scan
Gunakan GSI dengan projection tepat
Hindari item besar > 400 KB

19. Best Practices Production (2025)

Gunakan On-Demand untuk aplikasi baru
Simpan item kecil
Gunakan “attribute name short”
Gunakan DynamoDB Streams untuk event-driven
Gunakan DAX untuk caching heavy read

20. Anti-Pattern DynamoDB

Meniru struktur relational database
Terlalu banyak GSI
PK dengan sedikit variasi
Menggunakan scan untuk semua query
Menggunakan DynamoDB untuk laporan kompleks

21. Biaya DynamoDB

Biaya utama:

Read / Write Request
Storage
GSI
Streams
Backup

Cara hemat:

On-Demand untuk aplikasi kecil
TTL untuk data sementara
Hindari item besar
Kurangi scan

22. Monitoring

Gunakan:

CloudWatch
AWS X-Ray
DynamoDB Contributor Insights
DAX Metrics

23. Case Study Aplikasi Modern

23.1 E-commerce

DynamoDB digunakan untuk:

sesi user
cart
order
inventory cached

23.2 Game Backend (Real-Time)

Digunakan untuk leaderboard, matchmaking.

23.3 IoT

Untuk device telemetry jutaan data.

23.4 Blog / CMS

Untuk komentar & analytics real-time.

24. Penutup

DynamoDB adalah database modern yang:

cepat
scalable
fleksibel
serverless
cocok untuk aplikasi masa depan

Dengan panduan ini, developer dapat membangun aplikasi apa pun — dari blog, e-commerce, mobile backend, microservices, hingga IoT — menggunakan DynamoDB sebagai fondasi.

1. Pendahuluan DynamoDB

2. Konsep Fundamental DynamoDB

2.1 Table

2.2 Item

2.3 Attribute

2.4 Primary Key

2.5 RCU & WCU (Read/Write Capacity Unit)

3. Arsitektur Internal DynamoDB (How It Works)

3.1 Partitioning

3.2 Storage Model

3.3 Consistency Model

3.4 Request Router

4. Kapasitas: Provisioned, On-Demand, Auto Scaling

4.1 On-Demand Mode

4.2 Provisioned Mode

4.3 Auto Scaling

4.4 Perhitungan Sederhana

5. Desain Partition Key & Sort Key

5.1 Partition Key

5.2 Sort Key

6. Secondary Index (GSI & LSI)

6.1 Global Secondary Index (GSI)

6.2 Local Secondary Index (LSI)

7. Item, Attributes, Projection, Capacity Cost

7.1 Item Size

7.2 Projection (GSI)

7.3 Biaya Query

8. Strategi Denormalisasi Data

9. Single Table Design (STD)

9.1 Apa itu Single Table Design?

Manfaat STD

Kapan Tidak Perlu STD

10. Data Modeling untuk Use Case Nyata

10.1 E-commerce

10.2 Social Media

10.3 Blog / CMS

10.4 IoT

10.5 Mobile App Session

11. Operasi CRUD — Multi Bahasa

11.1 Node.js

Put Item

Get Item

Query

11.2 Python boto3

11.3 PHP

11.4 GoLang

12. DynamoDB Streams

13. Integrasi dengan AWS Lainnya

13.1 DynamoDB + Lambda + API Gateway

13.2 DynamoDB + AppSync

13.3 DynamoDB + ECS

13.4 DynamoDB + Step Functions

14. Transaction & Concurrency Control

15. Error Handling

16. Security

16.1 IAM

16.2 KMS Encryption

16.3 VPC Endpoint

17. Backup & Restore

Point in Time Recovery (PITR)

Export to S3

18. Query Optimization

19. Best Practices Production (2025)

20. Anti-Pattern DynamoDB

21. Biaya DynamoDB

22. Monitoring

23. Case Study Aplikasi Modern

23.1 E-commerce

23.2 Game Backend (Real-Time)

23.3 IoT

23.4 Blog / CMS

24. Penutup

Similar Posts