Operaciones Scan en DynamoDB: Funcionamiento y Eficiencia

Clase 25 de 32 • Curso Práctico de Bases de Datos en AWS

Contenido del curso

Introducción

1
Bases de Datos Relacionales y No Relacionales en AWS
00:43 min

Introducción a RDS

Backups, Performance y HA en RDS

Migración a RDS

Aurora

Introducción a DynamoDB

Particiones e Índices en DynamoDB

DynamoDB Streams y Replicación

Contenido Bonus

32
Bases de Datos Relacionales y No Relacionales en AWS
08:10 min

Tomar examen

Resumen

Las Operaciones Scan se encargan de escanear por completo nuestras tablas para examinar todos sus elementos y comprobar si presentan los valores solicitados, pero son muy poco eficientes ya que utilizan bastantes unidades de lectura y aumentan los costos de nuestra base de datos, debemos evitar estas operaciones para tablas grandes.

AWS nos recomienda realizar operaciones pequeñas a lo largo del tiempo en vez de hacer una sola operación muy larga, también podemos configurar límites de tamaño para evitar los escaneos completos y duplicar nuestras tablas para realizar estas operaciones sobre tablas no principales y no afectar su rendimiento.

Comentarios

Juan Castro

teacher•

Notas de la clase:

Las operaciones scan examinan los elementos de nuestras tablas para comprobar sus valores 🤓
Son completamente ineficientes y deberíamos evitarlas 👎 😥😠
Pueden gastar todos los niveles de lectura de la base de datos
Haciendo operaciones pequeñas a lo largo del tiempo y configurando límites podemos evitar el escaneo completo y subir los precios 🤔
Si duplicamos las tablas para las operaciones NO afectamos el performance de las tablas principales 🆗

Patricio Sánchez Fernández

student•

Gracias por el resumen.

Usuario anónimo

user•

Hasta este momento este curso de bases de datos ha sido en un 95% Teórico…La verdad se tenían muchas expectativas de la creación de bases de datos robustas, operaciones entre tablas de datos, consultas avanzadas y demás del gran mundo de las bases de datos…pero ha sido pura teoría…URGENTE ACTUALIZAR

Vivian Britez

student•

comparto, creo que podemos leer la doc para esto =(

Juan Castro

teacher•

Entonces, ¿para qué sirven las operaciones Scan? ¿cuando SI deberíamos utilizarlas? 😅

Carlos Andrés Zambrano Barrera

teacher•

Las operaciones Scan se utilizan en tablas en las cuales su diseño inicial (las llaves) no es optimo para que una consulta (query) pueda encontrar los datos, para esos casos usaríamos SCAN. Aunque si tu Dynamo esta bien diseñada en cuanto a las llaves y particiones no deberías usar Scan

Carlos Javier Bazan Huaman

student•

puedes usarlas pero aplicando un limite al Scan porque sino te va salir caro en rendimiento y dinero =).

Usuario anónimo

user•

Las Operaciones Scan se encargan de escanear por completo nuestras tablas para examinar todos sus elementos y comprobar si presentan los valores solicitados, pero son muy poco eficientes ya que utilizan bastantes unidades de lectura y aumentan los costos de nuestra base de datos, debemos evitar estas operaciones para tablas grandes.

Mario Alexander Vargas Celis

student•

📌 Operaciones Scan en Amazon DynamoDB

Amazon DynamoDB es una base de datos NoSQL que permite recuperar datos de dos maneras principales:

Query → Para buscar elementos mediante la clave de partición (PK).
Scan → Para recorrer todos los elementos de una tabla o un índice secundario.

En esta guía, veremos cómo funciona la operación Scan, sus ventajas, desventajas y cómo optimizar su uso.

1️⃣ ¿Qué es Scan en DynamoDB?

La operación Scan recorre toda la tabla y devuelve los elementos que cumplen con un filtro opcional.

🔹 Uso principal:

Obtener todos los elementos de una tabla.
Buscar elementos basados en atributos no indexados.
Exportar datos de la tabla a otro servicio.

✅ Ejemplo de Scan Supongamos que tenemos la siguiente tabla Usuarios:

user_id (PK)nombreedadciudadU001Mario30BogotáU002Ana25MedellínU003Juan35Bogotá

Si queremos recuperar todos los usuarios, ejecutamos:

import boto3

dynamodb = boto3.resource('dynamodb') table = dynamodb.Table('Usuarios')

response = table.scan() items = response['Items'] print(items)

📌 Salida esperada:

[ {"user_id": "U001", "nombre": "Mario", "edad": 30, "ciudad": "Bogotá"}, {"user_id": "U002", "nombre": "Ana", "edad": 25, "ciudad": "Medellín"}, {"user_id": "U003", "nombre": "Juan", "edad": 35, "ciudad": "Bogotá"} ]

2️⃣ Agregando Filtros en Scan

Podemos aplicar filtros para reducir los resultados devueltos, aunque la operación sigue recorriendo toda la tabla.

✅ Ejemplo: Buscar usuarios en Bogotá

response = table.scan( FilterExpression="ciudad = :val", ExpressionAttributeValues={":val": "Bogotá"} )

items = response['Items'] print(items)

📌 Salida esperada:

[ {"user_id": "U001", "nombre": "Mario", "edad": 30, "ciudad": "Bogotá"}, {"user_id": "U003", "nombre": "Juan", "edad": 35, "ciudad": "Bogotá"} ]

❗ Importante: Aunque solo devuelve usuarios de Bogotá, DynamoDB sigue escaneando toda la tabla, lo que puede ser ineficiente en grandes volúmenes de datos.

3️⃣ Scan vs Query

CaracterísticaScanQueryEscanea toda la tabla✅ Sí❌ NoUsa índices (PK/SK o GSI/LSI)❌ No✅ SíEficiencia🚨 Lenta en tablas grandes🚀 Rápida y optimizadaFiltrado de datos✅ Sí (después del escaneo)✅ Sí (antes de la búsqueda)Consumo de RCUs🔥 Alto (ineficiente)⚡ Bajo (eficiente)

📌 Usa Query siempre que sea posible. Solo usa Scan cuando no tienes un índice que permita una búsqueda eficiente.

4️⃣ Estrategias para Optimizar Scan

Si necesitas usar Scan, aquí hay algunas estrategias para mejorar su rendimiento:

✅ 1. Limitar los atributos retornados (ProjectionExpression)

En lugar de devolver toda la información, solicita solo los atributos necesarios:

response = table.scan( ProjectionExpression="user_id, nombre" )

📌 Beneficio: Reduce el tamaño de los datos devueltos y mejora el rendimiento.

✅ 2. Usar Paginación (LastEvaluatedKey)

Si la tabla es grande, DynamoDB divide los resultados en páginas de 1 MB. Podemos iterar sobre estas páginas:

items = [] response = table.scan()

while "LastEvaluatedKey" in response: items.extend(response['Items']) response = table.scan(ExclusiveStartKey=response["LastEvaluatedKey"])

print(items)

📌 Beneficio: Evita que la solicitud sea muy pesada y mejora la escalabilidad.

✅ 3. Usar Lectura Consistente Eventual (ConsistentRead=False)

Por defecto, DynamoDB usa lectura eventual, que es más rápida y eficiente en costo:

response = table.scan(ConsistentRead=False)

📌 Beneficio: Reduce el consumo de capacidad de lectura (RCU).

✅ 4. Usar Parallel Scan

DynamoDB permite escanear en paralelo para acelerar la lectura en tablas grandes:

response = table.scan( TotalSegments=4, # Divide la carga en 4 procesos Segment=0 )

📌 Beneficio: Mejora el rendimiento al distribuir la carga de escaneo.

📌 Conclusión

❌ Evita Scan en tablas grandes porque consume muchos recursos y es lento. ✅ Usa Query con índices secundarios siempre que sea posible. ✅ Si debes usar Scan, optimízalo con ProjectionExpression, LastEvaluatedKey, Parallel Scan, y limitando los atributos retornados.

Usuario anónimo

user•

Usuario anónimo

user•

Pregunta de examen

Jeisson Espinosa

student•

Información resumida de esta clase

#EstudiantesDePlatzi

Dentro de DynamoDB podemos hacer varias operaciones
Las operaciones de tipo Scan son poco eficientes y estas se deben evitar al tener tablas muy grandes
Este tipo de operación consume muchas unidades de lectura y esto hace que se aumenten los costos
Podemos usar Scan pero poniéndole un limite

Usuario anónimo

user•

mejor escanear lo necesario y hacer buenas búsquedas :)

Patricio Sánchez Fernández

student•

Tal vez convenga más acudir a las Querys...!

Usuario anónimo

user•

Interesante saber esta operación para que no realicemos esta consulta en su totalidad.

Usuario anónimo

user•

claro

Juan David Cajamarca Acuña

student•

Optimización en Scan

Reducir el tamaño de la página usando el parámetro LIMIT en el request.
Se pueden duplicar tablas para hacer operaciones Scan sobre tablas no principales.

john ct

student•

A Scan operation in Amazon DynamoDB reads every item in a table or a secondary index. By default, a Scan operation returns all of the data attributes for every item in the table or index. You can use the ProjectionExpression parameter so that Scan only returns some of the attributes, rather than all of them.

john ct

student•

If you need to further refine the Scan results, you can optionally provide a filter expression. A filter expression determines which items within the Scan results should be returned to you. All of the other results are discarded.

A filter expression is applied after a Scan finishes but before the results are returned. Therefore, a Scan consumes the same amount of read capacity, regardless of whether a filter expression is present.

A Scan operation can retrieve a maximum of 1 MB of data. This limit applies before the filter expression is evaluated.

john ct

student•

Example

The following AWS Command Line Interface (AWS CLI) example scans the Thread table and returns only the items that were last posted to by a particular user.

aws dynamodb scan
--table-name Thread
--filter-expression "LastPostedBy = :name"
--expression-attribute-values '{":name":{"S":"User A"}}'

Usuario anónimo

user•

gracias

Usuario anónimo

user•

Scan, excelente aporte

Usuario anónimo

user•

Gracias

Jenny Aguilar

student•

Cuando aplicas los límites, estos ¿Hacen que no se considere en el scan algunas tablas y por tanto, no las lee y con ellos se logra bajar el pricing?

Javier Sepúlveda

student•

DYNAMODB Operaciones Scan

Son menos eficientes.
Examina la tabla o indice secundario en su totalidad.
Para tablas grandes evité usar Scan.
Examina cada elemento para comprobar si presenta los valores solicitados.
Utiliza bastantes unidades de lectura.
Realiza lecturas consistentes finales de forma predeterminada y puede devolver hasta 1 MB (una página) de datos
Al consumir las unidades de lectura provoca aumento de costos.

Operaciones Scan en DynamoDB: Funcionamiento y Eficiencia

Introducción

Bases de Datos Relacionales y No Relacionales en AWS

Introducción a RDS

Gestión de Bases de Datos Relacionales en AWS RDS

Creación de Bases de Datos en AWS RDS con MySQL

Conexión y Gestión de Bases de Datos MySQL con MySQL Workbench

Creación de Tablas e Ingesta de Datos con MySQL Workbench

Conexión y Operaciones en RDS con Instancia EC2 de Amazon

Despliegue y Gestión de Bases de Datos RDS con MySQL

Backups, Performance y HA en RDS

Backups y Alta Disponibilidad en RDS: Estrategias Efectivas

Restauración y Configuración de Backups en RDS

Estrategias de Rendimiento en Bases de Datos AWS RDS

Alta Disponibilidad en RDS con Multi-AZ

Migración a RDS

Estrategias de Migración a RDS con Database Migration Service

Migraciones Homogéneas con Database Migration Service

Arquitecturas y Casos de Uso de Amazon RDS

Aurora

Características y Ventajas de Amazon Aurora en AWS

Endpoints y Funcionalidades Avanzadas en Amazon Aurora

Aurora Serverless: Configuración y Ventajas en AWS

Creación y Configuración de Bases de Datos Aurora en AWS RDS

Introducción a DynamoDB

Introducción a DynamoDB: Bases de Datos No Relacionales en AWS

Consistencia en DynamoDB: eventual vs fuerte

Creación y Configuración de Tablas en DynamoDB

Casos de Uso de DynamoDB en Aplicaciones Reales

Creación y Configuración de Tablas en DynamoDB para Encuestas

Particiones e Índices en DynamoDB

Particiones e Índices en DynamoDB para Optimización de Rendimiento