Den stigande närvaron av sociala medier formar de moderna systemarkitekturerna för att hantera prestanda och skala. I takt med att användarvolymer ökar växer också behovet av att hålla data konsistent och tillgängligt i datacenter över hela världen, vilket adderar komplexitet i distribuerade system. Startupen Leader Island har utvecklat en kommunikationsplattform för företag och organisationer, nyttjandes Amazon Web Services (AWS) som molnleverantör för att reducera operativa utmaningar. På plattformen delar användarna innehåll och interagerar med varandra. Att hämta data är en viktig komponent i plattformen, eftersom användarna laddar in olika flöden och ska kunna söka efter specifikt innehåll. För denna funktionalitet använder Leader Island en kombination av AWS Elasticsearch Service för datainsamling och Amazon DynamoDB för permanent lagring. Denna konstellation har inneburit utmaningar inom data-modeller, data-mappning och hämtningsstrategier. Det här projektet syftar till att hitta bästa praxis för data-modeller och data-mappningar i båda instanser, samt undersöka nya strategier gällande datainsamling för att optimera prestandan. För detta konfigurerades tre designer med motsatta data-modeller och data-mappningar. Resultaten av varje design samlades in och mättes mot varandra. I huvudsak visade en design fördel, där datainsamlingen distribuerades över både Elasticsearch och DynamoDB. DynamoDB modellerades där enligt bästa praxis, och en reducerad datavolym propagerades till Elasticsearch, vilket resulterade i en 1.9 gånger bättre prestanda än i den initiala designen.