Amazon Redshift 是否有自己的存储后端答案

【问题标题】：Does Amazon Redshift have its own storage backendAmazon Redshift 是否有自己的存储后端
【发布时间】：2020-05-07 12:27:42
【问题描述】：

我是 Redshift 的新手，对 Redshift 的运作方式有一些说明：

Amazon Redshift 是否有自己的后端存储平台，或者它依赖 S3 将数据存储为对象，而 Redshift 仅用于查询、处理和转换，并且有临时存储来从 S3 中获取特定切片并进行处理？

从某种意义上说，redshift 是否拥有自己的后端云空间，例如 oracle 或 Microsoft SQL 拥有自己的物理服务器来存储数据？

因为，如果我因容量增加而从传统的 RDBMS 系统迁移到 Redshift，如果我选择单独使用 Redshift 会做还是应该选择 Redshift 和 S3 的组合。

这个问题似乎很基础，但我无法在亚马逊网站或任何与 Redshift 相关的博客中找到答案。

【问题讨论】：

标签： amazon-web-services amazon-redshift amazon-redshift-spectrum

【解决方案1】：

是的，Amazon Redshift 使用自己的存储。

Amazon Redshift 的主要用例是针对大量数据运行复杂查询。这就是“数据仓库”的目的。

当有 1+ 百万行时，普通数据库开始失去性能，而 Amazon Redshift 可以处理数十亿行。这是因为数据分布在多个节点并以列格式存储，使其适合处理“宽”表（这在数据仓库中很常见）。这就是 Redshift 速度的原因。事实上，正是专用存储和数据的存储方式赋予了 Redshift 惊人的速度。

然而，权衡取舍意味着，虽然 Redshift 在查询大量数据方面非常出色，但它并非专为频繁更新数据而设计。因此，它不应被应用程序用于事务的普通数据库替代。相反，Redshift 通常用于获取该交易数据，将其与其他信息（客户、订单、交易、支持票证、传感器数据、网站点击、跟踪信息等）结合起来，然后运行结合所有这些数据的复杂查询。

Amazon Redshift 还可以使用与 Amazon Athena 非常相似的 Amazon Redshift Spectrum。两种服务都可以直接从 Amazon S3 读取数据。这种访问不如使用直接存储在 Redshift 中的数据高效，但可以通过使用列存储格式（例如 ORC 和 Parquet）和对文件进行分区来改进。当然，这仅适用于查询数据，不适用于针对数据执行事务（更新）。

较新的 Amazon Redshift RA3 节点还能够将较少使用的数据卸载到 Amazon S3，并使用缓存来运行快速查询。好处是它将存储与计算分开。

快速总结：

如果您的应用程序需要数据库，请使用 Amazon RDS
如果您要构建数据仓库，请使用 Amazon Redshift
如果您有很多很少查询的历史数据，请将其存储在 Amazon S3 中并通过 Amazon Athena 或 Amazon Redshift Spectrum 进行查询

【讨论】：

约翰我真的很喜欢你在这里的完整答案，并且将来可能会参考它以获得其他答案。对于 Athena/Spectrum，通常你真的应该只将它用于事务性和不可变数据，而不是经常更新的数据。如果您同意，也许您可以更新您的答案以包含有关该内容的内容。另外，也许您应该考虑 AWS 数据湖建议，它本质上是一种混合。

【解决方案2】：

查看您的问题，您可能会从有关您的架构的专业帮助中受益。

但是让你开始，Redshift::

有自己的数据存储，没有到s3的链接。
Amazon Redshift Spectrum 还允许您查询保存在 s3 中的数据（类似于 AWS 雅典娜）
作为后端数据库来替代传统 RDBMS 因为事务非常慢。
是一款出色的数据仓库工具，只需使用它！

【讨论】：