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.
Curso Práctico de Bases de Datos en AWS
Clase 25 / 32
Curso Práctico de Bases de Datos en AWS
Clase 25 / 32
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.
Notas de la clase:
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
Entonces, ¿para qué sirven las operaciones Scan? ¿cuando SI deberíamos utilizarlas? 😅
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.
Scan en Amazon DynamoDBAmazon DynamoDB es una base de datos NoSQL que permite recuperar datos de dos maneras principales:
En esta guía, veremos cómo funciona la operación Scan, sus ventajas, desventajas y cómo optimizar su uso.
Scan en DynamoDB?La operación Scan y devuelve los elementos que cumplen con un filtro opcional.
🔹 Uso principal:
✅ 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"} ]
ScanPodemos 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.
Scan vs QueryCaracterísticaScanQueryEscanea 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.
ScanSi necesitas usar Scan, aquí hay algunas estrategias para mejorar su rendimiento:
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.
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.
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).
Parallel ScanDynamoDB 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.
❌ 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.
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.
Pregunta de examen
Información resumida de esta clase
#EstudiantesDePlatzi
mejor escanear lo necesario y hacer buenas búsquedas :)
Interesante saber esta operación para que no realicemos esta consulta en su totalidad.