Glossar

Definitionen der DynamoDB- und DynoTable-Begriffe, die in dieser Dokumentation verwendet werden. Viele Begriffe erscheinen in den Docs als gepunktete Unterstreichung — klick einen an, um seine Definition inline zu sehen.

Abfragemuster: In DynoTable der Index, durch den du einen Tab liest — der PRIMARY-Key der Tabelle oder ein benannter GSI/LSI. Er bestimmt, nach welchen Keys du filtern kannst. In DynoTable →
Adjazenzliste: Eine Methode, einen Graphen als einfache Items zu speichern, wobei jede Kante über ihre Quelle auf dem Partition Key und ihr Ziel auf dem Sort-Key verschlüsselt wird. Eine einzelne Query listet die Nachbarn eines Knotens auf — der DynamoDB-Ersatz für das Joinen einer Join-Tabelle. Konzept lernen →
Aktivierungs-Deeplink: Ein dynotable://activate?token=…-Link, den die Website an die Desktop-App übergibt, um deine Lizenz zu aktivieren. Wenn die App nicht automatisch öffnet, kannst du stattdessen den Token einfügen. In DynoTable →
Aktualisierungsausdruck: Die Klausel, die festlegt, wie ein Schreibvorgang ein Item verändert — SET, REMOVE, ADD oder DELETE auf bestimmte Attribute — statt das ganze Item zu überschreiben. Konzept lernen → In DynoTable →
Attribut: Ein einzelnes typisiertes Feld eines Items (String, Number, Binary, Boolean, List, Map, Set oder Null). Items in einer Tabelle müssen nicht dieselben Attribute besitzen. Konzept lernen → In DynoTable →
AWS Bedrock: Der verwaltete Dienst von AWS für Foundation Models. Der KI-Assistent von DynoTable kann mit deinen eigenen AWS-Anmeldedaten gegen Bedrock laufen und hält Prompts so in deinem Konto. In DynoTable →
Batch-Operation: BatchWriteItem / BatchGetItem — viele Items werden aus Effizienzgründen in einem Roundtrip verarbeitet. Anders als bei einer Transaktion können einzelne Items unabhängig voneinander gelingen oder fehlschlagen. Konzept lernen → In DynoTable →
Bedingungsausdruck: Ein Prädikat, das erfüllt sein muss, damit ein Schreibvorgang gelingt (ein bedingter Schreibvorgang) — z. B. „nur wenn dieses Item noch nicht existiert“. DynoTable nutzt diese, um vorbereitete Änderungen sicher zu committen. Konzept lernen → In DynoTable →
Berechtigung: Ob ein Benutzer derzeit durch ein aktives Abonnement abgedeckt ist — und bei Teams, welche Organisation ihn abdeckt. DynoTable löst dies auf, um zu entscheiden, was der Lizenz-Token gewährt. In DynoTable →
Bereitgestellte Kapazität: Ein Abrechnungsmodus, bei dem du feste Lese-/Schreibkapazitätseinheiten festlegst (optional automatisch skaliert). Bei stetiger, vorhersehbarer Last günstiger als On-Demand. Konzept lernen →
Denormalisierung: Daten bewusst duplizieren — oder in ein komplexes Attribut einbetten — sodass ein Lesevorgang keinen Join braucht. Du joinst vorab beim Schreiben und tauschst sorgfältigere Schreibvorgänge gegen günstige Lesevorgänge mit nur einer Anfrage. Konzept lernen →
DynamoDB Stream: Ein geordnetes, zeitlich sortiertes Protokoll der Änderungen auf Item-Ebene (Einfügungen, Aktualisierungen, Löschungen) an einer Tabelle. Wird genutzt, um nachgelagerte Verarbeitung wie Lambda-Funktionen auszulösen. Konzept lernen →
Expression Builder: Das kostenlose Web-Tool von DynoTable, das ein visuelles Formular in einen gültigen DynamoDB-Key-/Filter-/Update-Ausdruck mit den passenden Attributnamen- und Wert-Maps verwandelt. In DynoTable →
Filterausdruck: Eine Bedingung, die NACH dem Lesen der Items durch eine Query oder einen Scan angewendet wird. Sie grenzt die Ergebnismenge ein, senkt aber die Lesekosten nicht — das kann nur eine Key-Bedingung. Konzept lernen → In DynoTable →
Globaler Sekundärindex (GSI): Ein alternatives Schlüsselschema über denselben Tabellendaten, mit eigenem Partition-/Sort-Key. Erlaubt Abfragen nach Attributen, die nicht der Primärschlüssel der Tabelle sind. GSIs sind letztendlich konsistent und haben ihre eigene Kapazität. Konzept lernen → In DynoTable →
Hot Partition: Wenn ein Partition Key weit mehr Lese- oder Schreibvorgänge anzieht, als seine Scheibe des Durchsatzes bedienen kann, sodass Anfragen an diesen Key gedrosselt werden, während der Rest der Tabelle ungenutzt bleibt. Ein Problem des Key-Designs, kein Größenproblem. Konzept lernen →
IAM Identity Center (SSO): Die Single-Sign-On-Anmeldedatenquelle von AWS (früher AWS SSO). DynoTable meldet sich darüber an und erneuert kurzlebige Rollen-Anmeldedaten, während du arbeitest. In DynoTable →
Item: Ein einzelner Datensatz in einer DynamoDB-Tabelle — ungefähr das Äquivalent zu einer Zeile. Ein Item ist eine Sammlung von Attributen, identifiziert durch seinen Primärschlüssel.
Item Collection: Alle Items, die denselben Partition-Key-Wert teilen. Sie sind die Einheit, die eine einzelne Query gemeinsam liest — eine emergente Eigenschaft deines Key-Schemas, kein Feature, das man aktiviert. Konzept lernen →
Kapazitätseinheit: Das Abrechnungs-/Durchsatzmaß für DynamoDB-I/O. Lesevorgänge werden pro 4 KB (RCU) und Schreibvorgänge pro 1 KB (WCU) gemessen, aufgerundet. Bestimmt, was eine Query oder ein Scan kostet. Konzept lernen →
Key Overloading: Partition- und Sort-Keys generische Namen geben (pk/sk) und jeden Entitätstyp im Wert kodieren, sodass eine Tabelle vielen Entitäten dient — die Technik, die Single-Table-Design ermöglicht. Konzept lernen →
Letztendlich konsistenter Lesevorgang: Der Standard-Lesemodus: kann direkt nach einem Schreibvorgang kurz veraltete Daten zurückgeben, kostet aber halb so viel wie ein stark konsistenter Lesevorgang. Replikate gleichen sich innerhalb einer Sekunde an. Konzept lernen →
Lokaler Sekundärindex (LSI): Ein Index, der sich den Partition-Key der Tabelle teilt, aber einen anderen Sort-Key verwendet. Nur bei der Tabellenerstellung definierbar und unterstützt stark konsistente Lesevorgänge. Konzept lernen → In DynoTable →
Marshalling: Das Umwandeln von einfachem JSON in das typisierte Wire-Format von DynamoDB ({"S":"…"}, {"N":"…"}) und zurück (Unmarshalling). DynoTable marshallt Werte für dich, wenn du Items bearbeitest oder Ausdrücke baust. Konzept lernen →
Maschinen-Hash: Ein stabiler, anonymer Fingerabdruck eines Computers, der genutzt wird, um aktivierte Geräte gegen das 2-Maschinen-Limit deiner Lizenz zu zählen. Er enthält keine personenbezogenen Daten. In DynoTable →
MFA: Multi-Faktor-Authentifizierung. Wenn eine Rolle oder ein Profil sie erfordert, fragt DynoTable nach deinem Einmalcode und cacht die resultierende Session für ihre Lebensdauer. In DynoTable →
NDJSON: Newline-getrenntes JSON — ein JSON-Objekt pro Zeile. Ein streaming-freundliches Exportformat, das DynoTable neben CSV und JSON-Array anbietet. In DynoTable →
Neuindizierung: Der Hintergrund-Scan von DynoTable, der echte Feld- und Wertbeispiele einer Tabelle katalogisiert, um Autovervollständigung und Statistiken zu speisen. Er läuft lokal und verändert deine Daten nie. In DynoTable →
OLAP (Online Analytical Processing): Analytische Abfrage-Workloads – große Aggregationen, GROUP BY, spontanes Auswerten über den gesamten Datensatz. Das Gegenteil von OLTP; DynamoDB ist OLTP-orientiert, daher gehören schwere Analysen in einen spaltenorientierten Speicher, der per Export befüllt wird. Konzept lernen → In DynoTable →
OLTP (Online Transaction Processing): Operative Abfrage-Workloads – kleine, bekannte Punkt- und Bereichslese- und -schreibvorgänge auf einzelnen Datensätzen. Das Gegenteil von OLAP; DynamoDB ist für OLTP gebaut. Konzept lernen → In DynoTable →
On-Demand-Kapazität: Ein Abrechnungsmodus mit Bezahlung pro Anfrage: DynamoDB skaliert den Durchsatz automatisch und du zahlst pro Lese-/Schreibvorgang. Einfach, ohne Kapazitätsplanung — gut für sprunghaften oder unbekannten Traffic. Konzept lernen →
Paralleler Scan: Einen einzelnen Scan in N unabhängige Segment-Lesevorgänge aufteilen, sodass mehrere Worker eine Tabelle gleichzeitig lesen — die einzige Möglichkeit, eine ganze Tabelle schneller zu lesen, als es der Durchsatz einer einzelnen Partition erlaubt. Konzept lernen →
PartiQL: Eine SQL-kompatible Abfragesprache, die AWS für DynamoDB bereitstellt. DynoTable lässt dich PartiQL direkt schreiben, inklusive INSERT/UPDATE/DELETE, mit gestreamten Ergebnissen. Konzept lernen → In DynoTable →
Partition Key: Der primäre Hash-Key einer Tabelle. DynamoDB bildet daraus einen Hash, um die physische Partition zu wählen, die das Item speichert — jeder effiziente Lesevorgang beginnt daher damit, einen Partition-Key-Wert festzulegen. Konzept lernen → In DynoTable →
Platz: Ein lizenzierter Benutzerplatz in einem Team-Abonnement. Das Hinzufügen eines Mitglieds belegt einen Platz; die Anzahl der Plätze ist das, was ein Team-Tarif berechnet. In DynoTable →
Primary Key: Das Attribut (oder die Attribute), das ein Item eindeutig identifiziert. Entweder einfach (nur ein Partition-Key) oder zusammengesetzt (ein Partition-Key plus ein Sort-Key). Konzept lernen → In DynoTable →
Profil: Eine gespeicherte Verbindung mit AWS-Anmeldedaten in DynoTable (Access Keys, SSO oder eine angenommene Rolle für eine Region). Wechsle das Profil, um die App auf ein anderes Konto oder eine andere Umgebung zu richten. In DynoTable →
Projektion: Die Menge der Attribute, die in einen Index kopiert werden — KEYS_ONLY, INCLUDE (eine gewählte Teilmenge) oder ALL. Das Lesen eines Attributs, das nicht in der Projektion enthalten ist, erzwingt einen zusätzlichen Abruf aus der Basistabelle. Konzept lernen →
Projektionsausdruck: Eine Liste von Attributen, die ein Lesevorgang zurückgeben soll, damit DynamoDB nur die benötigten Felder statt des gesamten Items zurücksendet. Konzept lernen →
Query: Ein gezielter Lesevorgang gegen einen Partition-Key-Wert (optional durch eine Sort-Key-Bedingung eingegrenzt). Liest nur passende Items — schnell und günstig. DynoTable setzt eine Query ab, sobald du einen Hash-Key-Filter setzt. Konzept lernen → In DynoTable →
Quick View: Ein tastaturgesteuerter Blick auf den vollständigen Inhalt eines einzelnen Items, ohne das Raster zu verlassen — öffne ihn auf der ausgewählten Zeile, um jedes Attribut zu inspizieren. In DynoTable →
Referenzzähler: Ein denormalisierter Zähler, der auf einem übergeordneten Item gespeichert wird — Likes an einem Post, Mitglieder in einem Workspace — und beim Schreiben der Kind-Items gepflegt wird, sodass ein Lesevorgang sie nie zählen muss. Verwende eine Transaktion und schütze dich vor Doppelzählungen. Konzept lernen →
Scan: Ein vollständiges Lesen jedes Items in einer Tabelle oder einem Index, nachträglich gefiltert. Teuer bei großen Tabellen — DynoTable warnt dich, wenn eine Anfrage auf einen Scan zurückfällt. Konzept lernen → In DynoTable →
Schreibgeschützter Modus: Ein Zustand, in dem DynoTable dich durchsuchen und abfragen lässt, aber Schreibvorgänge blockiert (Item-Speicherungen, vorbereitete Commits, Löschungen). Ausgelöst durch eine abgelaufene Testphase/Lizenz oder eine explizit schreibgeschützte Ansicht. In DynoTable →
Singleton-Item: Ein einzelnes Item mit einem festen, hartcodierten Key, das anwendungsweiten Zustand hält — Feature-Flags, ein Config-Blob, ein globaler Zähler. Du liest es mit GetItem, niemals mit einem Scan. Konzept lernen →
Smart Table: Eine DynoTable-Ansicht, die verwandte Items über eine oder mehrere DynamoDB-Tabellen in einem einzigen Raster zusammenführt, visuell auf einer Entity-Relationship-Leinwand definiert. In DynoTable →
Sort-Key: Die optionale zweite Hälfte eines zusammengesetzten Primärschlüssels. Items mit demselben Partition-Key werden nach Sort-Key geordnet gespeichert, was Bereichsabfragen (begins_with, between, >) günstig macht. Konzept lernen → In DynoTable →
Sparse Index: Ein sekundärer Index, der nur die Items enthält, die sein Key-Attribut tragen, sodass eine kleine, heiße Teilmenge einer riesigen Tabelle zu ihrer eigenen vorgefilterten, abfragebereiten Collection wird. Konzept lernen →
Staging-Bereich: Der tabellenweise Puffer ausstehender Änderungen in DynoTable. Änderungen sammeln sich lokal als prüfbare Diffs an (sichtbar in jeder offenen Ansicht dieser Tabelle) und werden als transaktionale Batches nach DynamoDB committet, sodass du nie halbfertige Änderungen schreibst. In DynoTable →
Stark konsistenter Lesevorgang: Ein Lesevorgang, der garantiert den zuletzt committeten Schreibvorgang zurückgibt. Verfügbar für die Tabelle und LSIs (nicht GSIs) und kostet doppelt so viel wie ein letztendlich konsistenter Lesevorgang. Konzept lernen →
Tab: Ein offener Arbeitsbereich in DynoTable, im Browser-Stil. Jeder Tab trägt seine eigene Tabelle, sein Abfragemuster, seinen Filter und seine Ergebnisse — öffne viele und wechsle per Tastatur. In DynoTable →
Testphase: Ein zeitlich begrenzter Testzeitraum mit vollem Funktionsumfang. Wenn er endet, schaltet DynoTable in den schreibgeschützten Modus, bis du ein Abonnement startest. In DynoTable →
Transaktion: Eine Alles-oder-Nichts-Gruppe von Schreib- (oder Lese-)Vorgängen über eine oder mehrere Tabellen — TransactWriteItems / TransactGetItems. Entweder gelingt jede Operation oder keine. Konzept lernen → In DynoTable →
TTL (Time to Live): Ein Attribut mit Ablauf-Zeitstempel pro Item. DynamoDB löscht Items kurz nach Ablauf ihrer TTL automatisch und kostenlos — praktisch für Sessions, Caches und kurzlebige Daten. Konzept lernen →
Typ-Attribut: Ein einfacher String, der auf jedem Item die Entität benennt, die es repräsentiert (z. B. EntityType: "Document"). Er identifiziert Zeilen in einer gemischten Partition, filtert einen überladenen Index auf eine Entität und erleichtert spätere Migrationen. Konzept lernen →
Workbench: Der SQL-basierte Tab von DynoTable. Schreibe echtes SQL (JOIN, GROUP BY, Aggregate) gegen deine Tabellen — Operationen, die PartiQL allein nicht ausdrücken kann — innerhalb der Zugriffsmuster-Regeln von DynamoDB. Konzept lernen → In DynoTable →
Zero-Padding: Einen numerischen Sort-Key mit führenden Nullen auf eine feste Breite auffüllen, sodass seine lexikografische String-Reihenfolge der numerischen Reihenfolge entspricht — ohne dies sortiert "10" vor "2". Konzept lernen →
Zusammengesetzter Schlüssel: Ein Primärschlüssel aus einem Partition-Key plus einem Sort-Key. Er lässt viele Items unter einem Partition-Key leben, adressierbar als sortierte Sammlung. Konzept lernen → In DynoTable →