Module 4 Intermediate Database Architecture, Replication & Caching

Databases & Data Persistence

Relational ACID vs Key-Value NoSQL vs In-Memory Caching

The Database Selection Framework

Modern cloud architectures rarely rely on a single database. Instead, they leverage polyglot persistence:

Database Engine	Primary Strengths	Scaling Model	Best Use Cases
Amazon Aurora Serverless v2	Full PostgreSQL/MySQL ACID compliance, sub-minute auto-scaling ACUs, storage auto-growth to 128TB.	Auto-scaling Compute (0.5 to 128 ACUs), Read Replicas with sub-10ms lag.	Core financial ledger, relational order processing, complex analytical joins.
Amazon DynamoDB	Single-digit millisecond latency at any scale, serverless pay-per-request, predictable partitioning.	Automatic partition scaling based on Partition Key (PK) hash.	Shopping carts, session states, user profiles, gaming telemetry, metadata indexes.
Amazon ElastiCache (Redis)	Microsecond in-memory response times, atomic counters, Sorted Sets, Pub/Sub.	Multi-node cluster with in-memory replication across AZs.	Real-time leaderboards, rate limiters, session stores, hot database query cache.

Rendering Architecture Topology...

Interactive Architecture Diagram (Use controls to zoom & pan)

Case Studies in This Module

E-Commerce Orders & Catalog Split: ACID transaction handling in Aurora combined with low-latency DynamoDB catalog reads.
Distributed Global Session Store: Distributed user authentication and session clustering with ElastiCache Redis.
Sub-Millisecond Gaming Leaderboard: High-write velocity leaderboard system utilizing Redis Sorted Sets with DynamoDB persistence.

Module 4 သင်ရိုးမာတိကာ Data Modeling, Replication Latency & Polyglot Persistence

Cloud Database Architecture & Caching Strategies

Amazon Aurora (PostgreSQL/MySQL), DynamoDB Single-Table Design နှင့် Redis Caching

လုပ်ငန်းသုံး Relational Data (ACID) နှင့် NoSQL High-Scale Key-Value Data များအတွက် Amazon Aurora Serverless, DynamoDB Single-Table Design, Read Replicas နှင့် ElastiCache Redis ဖြင့် Ultra-Low Latency Database စနစ် ရေးဆွဲနည်း။

ရရှိမည့် အဓိက ဗိသုကာဆိုင်ရာ ကျွမ်းကျင်မှုများ (Learning Outcomes)

Relational (Aurora) နှင့် NoSQL (DynamoDB) အား ဘယ်အချိန်တွင် မည်သည့်စနစ်ကို ရွေးချယ်ရမည်ကို ဆုံးဖြတ်နိုင်ခြင်း။

Aurora Multi-AZ Replication နှင့် Storage Tiering (Auto-scaling up to 128TB) ကို နားလည်ခြင်း။

DynamoDB Single-Table Design (PK/SK, GSI, Inverted Indexes) ဖြင့် Query Pattern အလိုက် Data Model ရေးဆွဲနိုင်ခြင်း။

ElastiCache (Redis) ဖြင့် Cache-Aside, Write-Through နှင့် Cache Stampede Mitigation နည်းလမ်းများ ထည့်သွင်းနိုင်ခြင်း။

အခြေခံ သဘောတရားနှင့် စဉ်းစားပုံ Mental Models

Cloud Architecture တွင် အခက်ခဲဆုံးနှင့် အရေးအကြီးဆုံး အပိုင်းမှာ Database ရွေးချယ်မှုနှင့် Data Modeling ဖြစ်ပါသည်။

စနစ်တစ်ခုတည်းတွင် SQL နှင့် NoSQL နှစ်မျိုးစလုံးကို သင့်တော်သလို တွဲဖက်အသုံးပြုသော Polyglot Persistence ဒီဇိုင်းသည် စနစ်ကို ပိုမိုမြန်ဆန်စေပြီး ကုန်ကျစရိတ်ကို သိသာစွာ သက်သာစေပါသည်။

အဓိက ဗိသုကာ သဘောတရားများနှင့် မဏ္ဍိုင်များ (Key Architecture Concepts)

Aurora Shared Distributed Storage

Data များကို 3 AZs အတွင်း 6 Copies ခွဲသိမ်းပြီး SSD ပေါ်သို့ တိုက်ရိုက် Log Stream ပြုလုပ်သော စနစ်။

DynamoDB Single-Table Architecture

Table တစ်ခုတည်းတွင် Entity အမျိုးမျိုးကို PK/SK ပုံစံဖြင့် သိမ်းဆည်း၍ Single Query ဖြင့် ဆွဲယူနိုင်သော NoSQL နည်းပညာ။

Cache Stampede Prevention

Cache သက်တမ်းကုန်ချိန်တွင် Request အားလုံး Database သို့ တစ်ပြိုင်နက် မပြေးစေရန် Probabilistic Early Expiration သုံးခြင်း။

Production စနစ်များတွင် မဖြစ်မနေ လိုက်နာရမည့် Golden Rules

★ Production RDS/Aurora တွင် Multi-AZ Deployment ကို အမြဲ On ထားပြီး Automated Backup Retention ကို အနည်းဆုံး ၇ ရက် ထားပါ။
★ Lambda Function မှ Relational Database သို့ ချိတ်ဆက်ရာတွင် Connection Pool မပြည့်စေရန် Amazon RDS Proxy ကို မဖြစ်မနေ သုံးပါ။