Amazon Redshift 是否有自己的存储后端

Question

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，还是依赖 S3 将数据存储为对象，而 Redshift 仅用于查询、处理和转换，并具有临时存储以从 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，如 oracle 或 Microsoft SQL 拥有自己的物理服务器来存储数据？

因为，如果我由于容量增加而从传统的 RDBMS 系统迁移到 Redshift，如果我单独选择 Redshift 会或者我应该选择 Redshift 和 S3 的组合。

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

Answer 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。

普通数据库在超过 100 万行时开始失去性能，而 Amazon Redshift 可以处理数十亿行。这是因为数据分布在多个节点上并以列格式存储，使其适合处理“宽”表（这是数据仓库中的典型情况）。这就是 Redshift 速度的原因。事实上，正是专用存储以及数据存储方式赋予了 Redshift 惊人的速度。

然而，权衡意味着虽然 Redshift 在查询大量数据方面非常出色，但它并不是为频繁更新数据而设计的。因此，它不应替代应用程序用于事务的普通数据库。相反，Redshift 通常用于获取交易数据，将其与其他信息（客户、订单、交易、支持票、传感器数据、网站点击、跟踪信息等）结合，然后运行结合所有这些数据的复杂查询。

Amazon Redshift 还可以使用Amazon Redshift Spectrum，它与 Amazon Athena 非常相似。这两种服务都可以直接从 Amazon S3 读取数据。此类访问不如使用直接存储在 Redshift 中的数据高效，但可以通过使用列式存储格式（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
• 如果您有大量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