本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
设计数据模型时的最佳实践
使用以下最佳实践在中创建强大、可扩展且安全的关系数据模型， AWS 用于您的 App Studio 应用程序，该模型既能满足应用程序的要求，又能确保数据基础架构的长期可靠性和性能。
选择正确 AWS 的数据服务：根据您的要求，选择适当 AWS 的数据服务。例如，对于在线事务处理 (OLTP) 应用程序，您可以考虑使用诸如 Amazon Aurora 之类的数据库，它是一种云原生、关系和完全托管的数据库服务，支持 MySQL 和 PostgreSQL 等各种数据库引擎。有关 App Studio 支持的 Aurora 版本的完整列表，请参阅连接到亚马逊 Aurora。另一方面，对于在线分析处理 (OLAP) 用例，可以考虑使用 Amazon Redshift，这是一个云数据仓库，允许您针对超大型数据集运行复杂查询。这些查询通常需要时间（几秒钟）才能完成，因此 Amazon Redshift 不太适合需要低延迟数据访问的 OLTP 应用程序。
为可扩展性而设计：在规划数据模型时要考虑到未来的增长和可扩展性。在选择适当的数据服务和数据库实例类型和配置（例如预置容量）时，请考虑预期的数据量、访问模式和性能要求等因素。
有关使用 Aurora 无服务器进行扩展的更多信息，请参阅 Aurora 无服务器 V2 的性能和扩展。
规范化数据：遵循数据库标准化原则，最大限度地减少数据冗余并提高数据完整性。这包括创建适当的表、定义主键和外键以及建立实体之间的关系。在 App Studio 中，当查询来自一个实体的数据时，您可以通过在查询上指定
join子句来检索另一个实体的相关数据。实施适当的索引：确定最重要的查询和访问模式，并创建适当的索引以优化性能。
利用 AWS 数据服务功能：利用您选择 AWS 的数据服务提供的功能，例如自动备份、多可用区部署和自动软件更新。
保护您的数据：实施强大的安全措施，例如 IAM (AWS Identity and Access Management) 策略，创建对表和架构具有有限权限的数据库用户，并强制执行静态和传输中的加密。
监控和优化性能：持续监控数据库性能并根据需要进行调整，例如扩展资源、优化查询或调整数据库配置。
自动化数据库管理：利用 Aurora 自动缩放、Aurora 性能洞察和 AWS 数据库迁移 AWS 服务等服务来自动执行数据库管理任务并减少运营开销。
实施灾难恢复和备份策略：利用 Aurora 自动备份、时间点恢复和跨区域副本配置等功能，确保制定明确的备份和恢复计划。
遵循 AWS 最佳实践和文档：及时了解所选数据服务的最新 AWS 最佳实践、指南和文档，以确保您的数据模型和实施与 AWS 建议保持一致。
有关每种 AWS 数据服务的更多详细指南，请参阅以下主题：
