可以在 AWS 之外使用 DynamoDB 吗？
可以。DynamoDB 通过 HTTPS 在任何地方都可访问——你的代码不必跑在 AWS 上。任何持有 AWS 凭证的应用都能通过 SDK 或签名请求调用区域 endpoint，不管它跑在你的笔记本、本地服务器还是另一朵云上。只有数据库本身住在 AWS 里。
访问是怎么工作的
DynamoDB 是一个 API，不是一个由你托管的套接字：客户端向一个区域性 HTTPS endpoint 发送用 AWS 凭证签名、并经 IAM 授权的请求。AWS 的各语言 SDK（JavaScript、Python、Java、Go 等）、CLI 和控制台用的都是这同一个公开 API——它们谁都不在乎自己跑在哪里。
用 curl 就能看到这一点，连 AWS 账户都不用有。向某个区域的 endpoint 发一个空的 ListTables 请求体，它会回答：
{
"__type": "com.amazon.coral.service#MissingAuthenticationTokenException",
"message": "Request is missing Authentication Token"
}一个被拒绝的请求，但也是服务从一台不在 AWS 上的笔记本那里接受、解析并回复了的请求。加上 SigV4 签名，同样的调用就会成功。
网络会让你付出什么
endpoint 在任何地方都可达；延迟却不是在任何地方都一样。我们于 2026-07-28 从西班牙的一条家用宽带上做了测量：每个区域通过一条复用的 HTTPS 连接发十次未签名的 ListTables，读取 curl 的 time_starttransfer。
| 区域 | 首次请求（TCP + TLS） | 热连接中位数 |
|---|---|---|
eu-central-1（法兰克福） | 232 ms | 50 ms |
eu-west-1（爱尔兰） | 204 ms | 59 ms |
us-east-1（北弗吉尼亚） | 456 ms | 118 ms |
us-west-2（俄勒冈） | 577 ms | 182 ms |
sa-east-1（圣保罗） | 743 ms | 247 ms |
ap-northeast-1（东京） | 905 ms | 263 ms |
一台机器、一天、一条线路，所以请读比例，而不是绝对的毫秒数。
DynamoDB 在服务端以个位数毫秒作答。从西班牙到东京，网络在上面再加大约 250 ms，也就是数据库所做工作的 25 到 50 倍。一个在区域内感觉是瞬时的读取循环，到了区域外就成了你程序里最慢的东西。
第一次请求的开销是热连接的三到四倍，全都花在 TCP 和 TLS 建立上。长驻进程只付一次。而短命的进程——一个定时任务、一段 CLI 脚本、一个每次调用都新建客户端的函数——每次都要付。请复用客户端。
在 AWS 之外还有什么会变
- 数据传输——离开 AWS 的流量要计数据传输费，而免费额度是共享的、不是按服务给的：「AWS customers receive 100 GB of free data transfer out to the internet free each month, aggregated across all AWS Services and Regions (except China and GovCloud).」
- 凭证——AWS 之外的代码用不了实例角色，所以你得显式地管理访问密钥或联合身份凭证。
完全不用 AWS 也能开发
做开发你甚至不需要 AWS 账户：DynamoDB Local 在你自己的机器上运行这套 API，离线且免费。等你准备好了，换个 endpoint，同样的代码就指向 Web 服务了。
深入了解
桌面客户端就是这件事每天的证明：DynoTable 跑在你的 Mac 或 PC 上——完全在 AWS 之外——并且既能连 AWS 区域，也能连本地 endpoint。用表达式构建器构建它所发送的查询。
参考资料
- What is Amazon DynamoDB? — Amazon DynamoDB Developer Guide
- Accessing DynamoDB — Amazon DynamoDB Developer Guide
- Setting up DynamoDB local (downloadable version) — Amazon DynamoDB Developer Guide
- Amazon DynamoDB on-demand pricing
最后核实于 2026-07-13，依据上方链接的 AWS 官方文档。
延迟于 2026-07-28 从西班牙的一条家用宽带测量，每个区域在一条复用连接上发十次请求。你的数字会不一样；重点在于区域之间的差距。