借助专为高性能、大规模和高可用性而构建的全托管、人工智能驱动的大规模并行处理 (MPP) 数据仓库，实现比任何其他云数据仓库高出 6 倍的性价比。

通过与 SageMaker Lakehouse 的无缝集成，在所有统一数据中使用 Amazon Redshift 强大的 SQL 分析功能。以开放格式查询存储在 Amazon S3 上的高性能数据，无需在数据湖和数据仓库之间移动或复制数据。您可以轻松地将 Amazon Redshift 数据用作 SageMaker Lakehouse 的一部分，以便与 AWS 和 Apache Iceberg 兼容的多种分析引擎和机器学习（ML）工具可进行访问。

无需构建和管理复杂的管道，即可提供 PB 级数据用于分析，以加快创新，从而实现对分析使用案例的近实时访问。使用零 ETL 集成，将交易数据从 Amazon Aurora、Amazon Relational Database Service（Amazon RDS）和 Amazon DynamoDB 等数据库无缝迁移到 Amazon Redshift，而不会影响性能。通过原生流媒体服务集成，从 Amazon Kinesis 和 Amazon Managed Streaming for Apache Kafka（Amazon MSK）提取大量实时数据。将所有数据集中在一处，启用近实时分析，并直接在 Amazon Redshift 中构建预测性机器学习模型，以获得强大的业务见解。

使用 Amazon Redshift Serverless，只需几秒即可开始分析您的数据。Amazon Redshift Serverless 可从您的工作负载中学习并自动扩展计算资源，以满足您不断变化的分析需求，因此您无需管理基础设施即可专注于发现见解。连接到您的数据来源，并开始分析数据，无需设置或维护基础设施。

通过 Amazon Redshift 与 Amazon Bedrock 的无缝集成，使用 PB 级组织数据构建个性化应用程序。借助 Amazon Redshift 查询编辑器中的 Amazon Q 生成式 SQL，确保数据用户使用自然语言更快地编写 SQL 查询，从而提高工作效率。调用 Amazon Bedrock 和 SageMaker 的大型语言模型，以执行高级自然语言处理任务，例如文本摘要、实体提取和情绪分析，从而使用 SQL 从数据中获得更深入的见解。

每秒摄取数百兆字节的数据，因此您可以近乎实时地查询数据，并构建用于欺诈检测、实时排行榜和物联网的低延迟分析应用程序。

利用 Amazon Redshift 和 BI 工具（如 Amazon QuickSight、Tableau、Microsoft PowerBI 或其他工具）构建洞察驱动型报告和控制面板。

利用 SQL 为预测分析、分类、回归等多种用例构建、训练和部署机器学习模型，支持对大量数据进行高级分析。

在数据库、数据仓库和数据湖中的所有数据之上构建应用程序。无缝、安全地共享和协作，为客户创造更多价值，将数据作为服务获利，并开辟新的收入来源。

无论是市场数据、社交媒体分析、天气数据还是其他数据，您都可以订阅 AWS Data Exchange 中的第三方数据并将其与您在 Amazon Redshift 中的数据相结合，而无需费心处理许可和载入流程以及将数据移至仓库。