Amazon Redshift ist das schnellste und am weitesten verbreitete Cloud-basierte Data Warehouse. Redshift ist in Ihren Data Lake integriert und bietet ein 3 Mal so gutes Preis-Leistungs-Verhältnis wie jedes andere Data Warehouse.

Funktionen und Vorteile

Jedes Jahr veröffentlichen wir Hunderte von Funktionen und Produktoptimierungen, die auf Anwendungsfälle und Feedback von Kunden gestützt sind. Erfahren Sie mehr über Neuerungen.

Umfassendste Integration in Ihren Data Lake und Ihre AWS-Services

Amazon Redshift ermöglicht Ihnen die schnelle und einfache Arbeit mit Ihren Daten in offenen Formaten und eine problemlose Integration und Verknüpfung mit dem AWS-Ökosystem.

Abfrage und Export von Daten in und aus Ihrem Data Lake: Kein anderes Cloud-basiertes Data Warehouse gestaltet sowohl die Abfrage von Daten als auch das Schreiben von Daten in Ihren Data Lake in offenen Formaten so einfach. Sie können Abfragen mit offenen Dateiformaten wie Parquet, ORC, JSON, Avro, CSV und unmittelbar in S3 mithilfe der vertrauten ANSI SQL ausführen. Um Daten in Ihren Data Lake zu exportieren, verwenden Sie einfach den Redshift UNLOAD-Befehl in Ihrem SQL-Code und geben Parquet als Dateiformat an. Anschließend übernimmt Redshift automatisch die Datenformatierung und Datenverschiebung in S3. So können Sie ganz flexibel stark strukturierte, häufig aufgerufene Daten in einem Redshift Data Warehouse speichern und dabei gleichzeitig strukturierte, teilweise strukturierte und unstrukturierte Daten im Exabyte-Umfang in S3 beibehalten. Durch den Export von Daten aus Redshift zurück in Ihren Data Lake können Sie die Daten mit AWS-Services wie Amazon Athena, Amazon EMR und Amazon SageMaker weiter analysieren. 

Verbundabfrage: Mit der neuen Funktion für Verbundabfragen in Redshift können Sie auf Ihre betriebliche relationale Datenbank zugreifen. Führen Sie Abfragen für Live-Daten in einer oder mehreren Amazon RDS- und Aurora PostgreSQL-Datenbanken bzw. RDS My SQL- und Aurora My SQL-Datenbanken in der Vorschauversion aus, um sofortigen Einblick in End-to-End-Betriebsabläufe zu erhalten, ohne dass Daten verschoben werden müssen. Sie können Daten aus Ihrem Redshift Data Warehouse, Daten in Ihrem Data Lake und jetzt auch Daten in Ihren betrieblichen Speichern zusammenführen, um bessere datengestützte Entscheidungen zu treffen. Redshift bietet durchdachte Optimierungen zur Reduzierung der im Netzwerk verschobenen Daten und ergänzt diese mit stark paralleler Datenverarbeitung für leistungsstarke Abfragen. Weitere Informationen.

Redshift ML (Vorschauversion): Redshift ML ist eine neue Funktion für Amazon Redshift, mit der Datenanalysten und Datenbankentwickler mithilfe von SQL einfach Amazon SageMaker-Modelle entwickeln, schulen und bereitstellen können. Mit Amazon Redshift ML können Kunden mithilfe von SQL-Anweisungen Amazon SageMaker-Modelle aus Ihren Daten in Amazon Redshift erstellen und schulen und diese Modelle dann für Vorhersagen wie Abwanderungsermittlung und Risikobewertung direkt in ihren Abfragen und Berichten verwenden. Informationen zu den ersten Schritten erhalten Sie in der Dokumentation zu Redshift. Weitere Informationen. 

AWS-Analyseökosystem: Die native Integration in das AWS-Analyseökosystem erleichtert die Abwicklung von End-to-End-Analyse-Workflows ohne Beeinträchtigung. AWS Lake Formation ist zum Beispiel ein Service, der es Ihnen ermöglicht, innerhalb weniger Tage einen sicheren Data Lake einzurichten. AWS Glue kann Daten extrahieren, transformieren und in Redshift laden. Amazon Kinesis Data Firehose bietet die einfachste Methode, Streaming-Daten zu erfassen, zu transformieren und in Redshift zu laden, um dort Analysen nahezu in Echtzeit auszuführen. Sie können mit Amazon EMR Daten mithilfe von Hadoop/Spark verarbeiten und die Ausgabe in Amazon Redshift laden, um dort BI- und Analyseaufgaben durchzuführen. Amazon QuickSight ist der erste BI-Service mit sitzungbasierten Gebühren, mit dem Sie Berichte, Visualisierungen und Dashboards zu Redshift-Daten erstellen können. Mit Redshift können Sie Ihre Daten für die Ausführung von Machine Learning-Workloads mit Amazon SageMaker vorbereiten. Um Migrationen zu Amazon Redshift zu beschleunigen, können Sie das AWS Schema Conversion Tool und den AWS Database Migration Service (DMS) verwenden. Amazon Redshift ist zudem eng in Amazon Key Management Service (KMS) und Amazon CloudWatch integriert und bietet so Sicherheit, Überwachung und Compliance. Sie können auch Lambda UDFs verwenden, um eine Lambda-Funktion aus Ihren SQL-Abfragen abzurufen, wenn Sie eine benutzerdefinierte Funktion (User Defined Function, UDF) in Redshift aufrufen. Sie können Lambda UDFs schreiben, um sie mit AWS-Partnerservices zu integrieren und auf weitere beliebte AWS-Services zuzugreifen, wie zum Beispiel Amazon DynamoDB oder Amazon SageMaker.

Redshift-Partner-Konsolenintegration (Vorschauversion): Sie können das Onboarding von Daten beschleunigen und in wenigen Minuten wertvolle geschäftliche Erkenntnisse gewinnen,
indem Sie in ausgewählte Partnerlösungen in die Redshift-Konsole integrieren. Mit diesen Lösungen können Sie Daten aus Anwendungen wie Salesforce, Google Analytics, Facebook-Anzeigen, Slack, Jira, Splunk und Marketo auf effiziente und optimierte Weise in Ihr Amazon Redshift-Data Warehouse bringen. Außerdem können Sie diese unterschiedlichen Datensätze zusammenführen und gemeinsam analysieren, um umsetzbare Erkenntnisse zu erhalten.

Beste Leistung

Amazon Redshift bietet hohe, branchenführende Leistung sowie Flexibilität.

RA3-Instances: RA3-Instances liefern ein dreimal besseres Preis-Leistungs-Verhältnis als andere Cloud-basierte Data Warehouse-Services. Diese Amazon Redshift-Instances maximieren die Geschwindigkeit für leistungsintensive Workloads, die große Mengen an Rechenkapazität erfordern, und bieten dabei gleichzeitig eine flexible separate Abrechnung von Rechenressourcen unabhängig von den Speicherressourcen, indem die Anzahl der von Ihnen benötigten Instanzen angegeben wird. Weitere Informationen.

AQUA (Advanced Query Accelerator): ist ein hardwarebschleunigter Cache, der bis zu zehnmal bessere Abfrageleistung als andere Cloud-Data-Warehouses bietet. AQUA ist in ausgewählten Regionen als Vorschauversion auf RA3 16xl und 4xl verfügbar. Die allgemeine Veröffentlichung erfolgt im Januar 2021. Weitere Informationen. 

Effizienter Speicher und leistungsstarke Abfrageverarbeitung: Amazon Redshift liefert eine hohe Abfrageleistung für Datensätze von Gigabyte- bis Petabyte-Volumen. Spaltenbasierte Speicherung, Datenkomprimierung und Zonenzuordnungen verringern den E/A-Aufwand bei der Ausführung von Abfragen. Neben den Branchenstandards für die Codierung wie LZO und Zstandard ermöglicht Amazon Redshift auch die speziell entwickelte Komprimierungscodierung AZ64 für numerische und Datums-/Uhrzeitdaten und schafft somit sowohl Speichereinsparungen als auch eine optimierte Abfrageleistung.

Materialisierte Ansichten: Die materialisierten Ansichten von Amazon Redshift ermöglichen Ihnen eine erheblich höhere Abfrageleistung für wiederholte oder vorhersagbare analytische Workloads wie Dashboarding, Abfragen von BI-Tools (Business Intelligence) und ELT-Datenverarbeitungsaufgaben (Extract, Load, Transform). Mit materialisierten Ansichten können Sie vorberechnete Ergebnisse einer SELECT-Anweisung, die sich auf eine oder mehrere (auch externe) Tabellen beziehen kann, einfach speichern und verwalten. Nachfolgende Abfragen, die auf die materialisierten Ansichten verweisen, können viel schneller ausgeführt werden, indem die vorberechneten Ergebnisse wiederverwendet werden. Amazon Redshift kann die materialisierten Ansichten effizient und inkrementell beibehalten, um weiterhin die Leistungsvorteile geringer Latenz bieten zu können. Weitere Informationen

Machine Learning zur Maximierung von Durchsatz und Leistung: Fortgeschrittene Machine-Learning-Funktionen in Amazon Redshift liefern hohen Durchsatz und hohe Leistung, selbst bei schwankenden Workloads oder gleichzeitiger Benutzeraktivität. Amazon Redshift nutzt hochentwickelte Algorithmen zur Prognose und Klassifizierung eingehender Abfragen auf Basis ihrer Laufzeiten und Ressourcenanforderungen, um die Leistung und Nebenläufigkeit dynamisch zu verwalten und Sie dabei gleichzeitig bei der Priorisierung Ihrer geschäftskritischen Workloads zu unterstützen. SQA (Short Query Acceleration) sendet kurze Abfragen von Anwendungen wie Dashboards an eine Express-Warteschlange zur sofortigen Verarbeitung, sodass sich diese nicht hinter umfangreichen Abfragen einreihen müssen. WLM (Automatic Workload Management) nutzt Machine Learning zur dynamischen Verwaltung von Speicher und Nebenläufigkeit, wodurch der Abfragedurchsatz maximiert werden kann. Darüber hinaus können Sie jetzt ganz einfach die Priorität Ihrer wichtigsten Abfragen festlegen, selbst wenn Hunderte von Abfragen übermittelt werden. Amazon Redshift ist zudem ein System mit Selbstlernfunktion, das den Benutzer-Workload kontinuierlich überwacht, die Möglichkeiten zur Leistungsoptimierung bei zunehmender Nutzung festlegt, Optimierungen nahtlos anwendet und Empfehlungen über Redshift Advisor ausgibt, wenn eine bestimmte Benutzeraktion erforderlich ist, um die Leistung von Amazon Redshift noch weiter zu steigern. 

Ergebnis-Caching: Amazon Redshift legt Ergebnisse in einem Cache ab, um bei wiederholten Abfragen Reaktionszeiten von unter einer Sekunde zu erreichen. Dashboard-, Visualisierungs- und BI-Tools, bei denen die Wiederholung gleicher Abfragen gang und gäbe ist, erzielen so bedeutende Leistungssteigerungen. Wenn eine Abfrage ausgeführt wird, durchsucht Amazon Redshift den Cache nach zwischengespeicherten Ergebnissen aus einer vorherigen Ausführung. Wenn ein zwischengespeichertes Ergebnis gefunden wird und sich die Daten nicht geändert haben, wird das zwischengespeicherte Ergebnis sofort zurückgegeben, ohne die Abfrage erneut auszuführen.

Äußerst skalierbar

Egal, ob Sie Daten oder Benutzer skalieren, Amazon Redshift bietet nahezu unbegrenzte Möglichkeiten. 

Data-Warehousing in Petabyte-Größe: Amazon Redshift ist einfach und lässt sich schnell schwankenden Anforderungen anpassen. Mit nur wenigen Klicks in der Konsole oder einem einfachen API-Aufruf können Sie die Anzahl oder den Typ der Knoten Ihres Data Warehouse ändern und in jede Richtung skalieren, sollten sich Ihre Anforderungen ändern. Dank des verwalteten Speichers wird automatisch Kapazität hinzugefügt und es können so Workloads von bis zu 8 PB komprimierter Daten unterstützt werden. Weitere Informationen zum Verwalten Ihres Clusters.

Data Lake-Analysen in Petabyte-Umfang: Sie können Abfragen an Petabyte von Daten in Amazon S3 mit der Redshift Spectrum-Funktion ausführen, ohne Daten laden oder umwandeln zu müssen. S3 können Sie als hoch verfügbaren, sicheren und kostengünstigen Data Lake zum Speichern unbegrenzter Datenmengen in offenen Datenformaten verwenden. Amazon Redshift Spectrum führt Abfragen parallel an Tausenden Knoten aus und liefert so extrem schnelle Ergebnisse, unabhängig von der Komplexität der Abfrage oder der Menge der gescannten Daten.  

Beispiellose Parallelität: Amazon Redshift bietet eine konsistent schnelle Leistung, sogar bei Tausenden gleichzeitiger Abfragen, und zwar unabhängig davon, ob Abfragen in einem Amazon Redshift Data Warehouse oder direkt im Amazon S3 Data Lake durchgeführt werden. Die Nebenläufigkeitsskalierung von Amazon Redshift unterstützt eine nahezu unbegrenzte Anzahl gleichzeitiger Benutzer und gleichzeitiger Abfragen mit konsistenten Serviceleveln, indem transiente Kapazität bei zunehmender Nebenläufigkeit in nur wenigen Sekunden hinzugefügt wird. 

Datenfreigabe: Die Datenfreigabe für Amazon Redshift (Vorschauversion) ermöglicht die sichere und einfache Skalierung, indem Live-Daten über Redshift-Cluster freigegeben werden. Die Datenfreigabe verbessert die Agilität von Unternehmen, indem sie sofortigen, granularen und leistungsstarken Zugriff zu Daten in den Redshift-Clustern erhalten, ohne dass diese kopiert oder verschoben werden müssen.  

Bestes Preis-Leistungs-Verhältnis

Mit Amazon Redshift als Cloud-basiertes Data Warehouse können Datenverarbeitung und Speicher separat abgerechnet werden, Cluster können pausiert und wieder gestartet werden, die Preise sind dank Kontrollen vorhersehbar und Sie haben die Wahl zwischen nutzungsabhängiger Zahlung oder Kosteneinsparungen von bis zu 75 % mit einem Reserved Instance-Vertrag.

Flexible Preisoptionen: Amazon Redshift ist das kostengünstigste Data Warehouse und Sie können wählen, wie Sie für Ihr Data Warehouse bezahlen möchten. Sie können schon ab 0,25 USD pro Stunde ohne Verpflichtung anfangen und für nur 1 000 USD pro Terabyte und Jahr skalieren. Amazon Redshift ist das einzige Cloud-basierte Data Warehouse, das On-Demand-Preise ohne Vorabkosten, Reserved Instances mit Kosteneinsparungen von bis zu 75 % bei langfristiger Bindung für 1 oder 3 Jahre und Zahlung pro Abfrage nach der Menge der in Ihrem Amazon S3 Data Lake gescannten Daten anbietet. Die Preise von Amazon Redshift umfassen integrierte Sicherheit, Datenkomprimierung, Sicherungsspeicher und Datenübertragung. Bei zunehmender Datenmenge verwenden Sie verwalteten Speicher in den RA3-Instances, um Daten kostengünstig für nur 0,024 USD pro GB und Monat zu speichern.

Vorhersehbare Kosten, auch bei unvorhersehbaren Workloads: Amazon Redshift ermöglicht Kunden die Skalierung mit niedrigen Kosten, da jeder Cluster täglich bis zu eine Stunde an kostenlosen Credits für die Nebenläufigkeitsskalierung verdient. Diese kostenlosen Credits reichen für die Nebenläufigkeitsanforderungen von 97 % der Kunden aus. Dadurch sind die monatlichen Kosten für Sie vorhersehbar und das sogar in Zeiträumen mit schwankendem Analysebedarf. 

Wählen Sie Ihren Knotentyp, um daraus den größten Nutzen für Ihre Workloads zu ziehen: Sie haben die Wahl zwischen drei Instance-Typen, um Amazon Redshift für Ihre Data-Warehousing-Anforderungen zu optimieren.

Mit RA3-Knoten können Sie Speicher unabhängig von der Datenverarbeitung skalieren. Dank RA3 erhalten Sie ein hochleistungsfähiges Data Warehouse, das Daten in einer separaten Speicherebene speichert. Sie müssen lediglich die Größe des Data Warehouse an die von Ihnen benötigte Abfrageleistung anpassen.

Dense Compute-Knoten (DC) ermöglichen das Einrichten besonders leistungsstarker Data Warehouses unter Verwendung von schnellen CPUs, großen Arbeitsspeichermengen und SSD-Festplatten (Solid-State Disks) und sind bei weniger als 500 GB an Daten die beste Wahl.

Dense Storage-Knoten (DS2) ermöglichen das Erstellen großer Data Warehouses unter Verwendung von Festplattenlaufwerken (HDDs) zum niedrigen Preis, wenn Sie Reserved Instances mit einer Laufzeit von 3 Jahren kaufen. Die meisten Kunden mit DS2-Clustern können ihre Workloads zu RA3-Clustern migrieren und damit im Vergleich zu DS2-Clustern von einer bis zu zweifachen Leistung und mehr Speicher zum selben Preis profitieren.
Das Vergrößern oder Verkleinern Ihres Clusters oder Wechseln zwischen Knotentypen erfordert nur einen einzelnen API-Aufruf bzw. einige wenige Klicks in der AWS-Konsole. Auf der Seite mit den Preisen finden Sie weitere Informationen.

Einfach zu verwalten

Amazon Redshift automatisiert allgemeine Wartungsaufgaben, sodass Sie sich auf die aus Ihren Daten gewonnenen Erkenntnisse konzentrieren können und sich nicht um Ihr Data Warehouse kümmern müssen.

Automatisierte Bereitstellung: Einrichtung und Betrieb von Amazon Redshift sind einfach. In der AWS-Konsole ist ein neues Data Warehouse mit wenigen Klicks erstellt, und Amazon Redshift stellt die erforderliche Infrastruktur automatisch für Sie bereit. Der Großteil der Verwaltungsaufgaben ist automatisiert, dazu gehören zum Beispiel Backups und Replikation. Wenn Sie mehr Kontrolle wünschen, können Sie mithilfe von Optionen Änderungen vornehmen, die speziell auf Ihre spezifischen Workloads ausgerichtet sind. Neue Funktionen werden transparent eingeführt, wodurch die zeitliche Planung und Anwendung von Upgrades und Patches entfällt.

Automatisierte Backups: Daten in Amazon Redshift werden automatisch in Amazon S3 gesichert und Amazon Redshift kann Ihre Snapshots für die Notfallwiederherstellung asynchron in S3 in eine andere Region replizieren. Sie können jeden System- oder Benutzer-Snapshot verwenden, um Ihren Cluster über die AWS-Managementkonsole oder die Redshift-APIs wiederherzustellen. Ihr Cluster ist wieder verfügbar, sobald die System-Metadaten wiederhergestellt sind, und Sie können bereits mit der Ausführung von Abfragen beginnen, während der Spoolvorgang für die Benutzerdaten noch im Hintergrund läuft.

Automatisches Tabellendesign: Amazon Redshift prüft fortlaufend Nutzer-Workloads und nutzt fortschrittliche Algorithmen, die das physische Layout von Daten verbessern, um die Abfragegeschwindigkeit zu erhöhen. Bei "Automatic Table Optimization" werden die besten Sortier- und Verteilungsschlüssel ausgewählt, um die Leistung des Cluster-Workloads zu verbessern. Wenn Amazon Redshift feststellt, dass das Anwenden eines Schlüssels die Clusterleistung verbessert, werden Tabellen automatisch geändert, ohne dass ein Administrator eingreifen muss. Weitere Funktionen wie "Automatic Vacuum Delete", "Automatic Table Sort" und "Automatic Analyze" machen die manuelle Wartung und die Optimierung von Redshift-Clustern überflüssig. So erzielen Sie die beste Leistung für neue Cluster und Produktionsworkloads.  

Fehlertolerant: Mit verschiedenen Funktionen kann die Zuverlässigkeit Ihres Clusters aus Data Warehouses gesteigert werden. Amazon Redshift überwacht zum Beispiel kontinuierlich den Clusterstatus, repliziert Daten ausgefallener Laufwerke erneut automatisch und ersetzt Knoten bei Bedarf absolut fehlertolerant. Cluster können in alternative Availability Zones (AZ) verschoben werden, ohne dass es zu Datenverlust und Anwendungsänderungen kommt.

Flexible Abfragen: Amazon Redshift bietet Ihnen die Flexibilität, Abfragen innerhalb der Konsole auszuführen sowie SQL-Client-Tools, -Bibliotheken oder BI-Tools zu verknüpfen. Der Query Editor der AWS-Konsole bietet eine leistungsstarke Benutzeroberfläche für das Ausführen von SQL-Abfragen für Amazon Redshift-Cluster sowie für das Anzeigen von Abfrageergebnissen und des Abfrageausführungsplans (für auf Rechenknoten ausgeführte Abfragen) neben Ihren Abfragen.

Einfache API zur Interaktion mit Amazon Redshift: Amazon Redshift ermöglicht Ihnen problemlosen Zugriff auf Daten mit allen Arten von herkömmlichen, Cloud-nativen und containerisierten, auf serverlosen Webservices basierten und ereignisgesteuerten Anwendungen. Die Amazon Redshift Daten-API vereinfacht den Zugriff, den Eingang und den Ausgang von Daten durch Programmiersprachen und Plattformen, die vom AWS SDK unterstützt werden, beispielsweise Python, Go, Java, Node.js, PHP, Ruby und C++. Die Daten-API macht es überflüssig, Treiber zu konfigurieren und Datenbankverbindungen zu verwalten. Stattdessen können Sie SQL-Befehle für einen Amazon Redshift-Cluster ausführen, indem Sie einfach einen gesicherten API-Endpunkt aufrufen, der von der Daten-API bereitgestellt wird. Die Daten-API kümmert sich um die Verwaltung von Datenbankverbindungen und das Puffern von Daten. Die Daten-API ist asynchron gestaltet, sodass Sie Ihre Ergebnisse später abrufen können. Die Abfrageergebnisse werden 24 Stunden lang aufbewahrt.

Nativer Support für fortgeschrittene Analysen: Redshift unterstützt die standardmäßigen skalaren Datentypen wie NUMBER, VARCHAR und DATETIME und bietet native Unterstützung für die folgenden fortgeschrittenen Analysevorgänge:

Raumbezogene Datenverarbeitung: Amazon Redshift umfasst den polymorphen Datentyp GEOMETRY, der mehrere geometrische Formen wie zum Beispiel Punkte, Linien, Polygone usw. unterstützt. Außerdem bietet Redshift SQL-Funktionen, mit denen geometrische Formen erstellt und raumbezogene Daten importiert, exportiert, abgerufen und verarbeitet werden können. Sie können GEOMETRY-Spalten in Redshift hinzufügen und SQL-Abfragen schreiben, die räumliche und nicht räumliche Daten enthalten. Mithilfe dieser Funktion können Sie raumbezogene Daten speichern, abrufen und verarbeiten. Wenn Sie diese raumbezogenen Daten in Ihre Analyseabfragen integrieren, können Sie nahtlos neue geschäftliche Erkenntnisse gewinnen. Sie können die nahtlosen Data Lake-Abfragen von Redshift verwenden, um externe Tabellen in raumbezogene Abfragen einzubinden und die Verarbeitung räumlicher Daten dadurch einfach auf Data Lakes zu erweitern. Weitere Informationen finden Sie in der Dokumentation.

HyperLogLog-Skizzen: HyperLogLog ist ein neuartiger Algorithmus, der effizient die ungefähre Anzahl eindeutiger Werte in einem Dataset einschätzt. Die HLL-Skizze fasst die Informationen über die eindeutigen Werte im Dataset zusammen. Sie können dank HLL-Skizzen deutliche Leistungsvorteile für Abfragen erzielen, welche die ungefähre Kardinalität über große Datasets berechnen, und zwar mit einem durchschnittlichen relativen Fehler zwischen 0,01–0,6 %. Redshift bietet einen erstklassigen Datentyp HLLSKETCH und zugehörige SQL-Funktionen, um HyperLogLog-Skizzen zu erzeugen, aufzubewahren und zu kombinieren. Die HyperLogLog-Funktion von Amazon Redshift setzt Verfahren zur Verzerrungskorrektur ein und bietet hohe Genauigkeit bei geringem Speicherbedarf. Weitere Informationen finden Sie in der Dokumentation.

DATE- und TIME-Datentypen: Amazon Redshift bietet mehrere Datentypen DATE, TIME, TIMETZ, TIMESTAMP und TIMESTAMPTZ für die native Speicherung und Verarbeitung von Datums- und Uhrzeitdaten. Die Typen TIME und TIMESTAMP speichern die Uhrzeitdaten ohne die Informationen zur Zeitzone. Die Typen TIMETZ und TIMESTAMPTZ hingegen speichern die Uhrzeitdaten mit den Informationen zur Zeitzone. Sie können verschiedene Datums-/Uhrzeit-SQL-Funktionen verwenden, um die Datums/- und Zeitwerte in Redshift-Abfragen zu verarbeiten. Weitere Informationen finden Sie in der Dokumentation.

Verarbeitung halbstrukturierter Daten: Der SUPER-Datentyp von Amazon Redshift (Vorschauversion) speichert nativ halbstrukturierte Daten in Redshift-Tabellen und nutzt die Abfragesprache PartiQL zur nahtlosen Verarbeitung der halbstrukturierten Daten. Der Datentyp SUPER ist schemaloser Natur und ermöglicht die Speicherung verschachtelter Werte, die aus Redshift-Skalarwerten, verschachtelten Arrays oder anderen verschachtelten Strukturen bestehen können. PartiQL ist eine Erweiterung von SQL und bietet leistungsstarke Abfragefunktionen, wie zum Beispiel die Objekt- und Arraynavigation, das Unnesting von Arrays, dynamische Eingabe und schemalose Semantik. Damit können Sie fortgeschrittene Analysen durchführen, die klassischen strukturierten SQL-Daten mit den halb-strukturierten SUPER-Daten kombinieren und dabei überlegene Leistung, Flexibilität und Benutzerfreundlichkeit bieten. Weitere Informationen finden Sie in der Dokumentation.

Integriert in Tools von Drittanbietern: Es stehen viele Optionen zur Optimierung von Amazon Redshift zur Verfügung, indem Sie mit branchenführenden Tools und Experten, die Ihnen beim Laden, Umwandeln und Visualisieren Ihrer Daten helfen, arbeiten. Die Lösungen unserer zahlreichen und in verschiedenen Bereichen qualifizierten Partner sind für Amazon Redshift zertifiziert.

Höchstmaß an Sicherheit und Compliance

AWS verfügt über umfassende Sicherheitsfunktionen, die höchsten Ansprüchen gerecht werden, und Amazon Redshift bietet sofort einsatzbereite Datensicherheit ohne zusätzliche Kosten.

End-to-End-Verschlüsselung: Mit nur wenigen Parametereinstellungen können Sie Amazon Redshift für die Verwendung von SSL zum Absichern der Daten während der Übertragung und für die hardwarebeschleunigte AES-256-Verschlüsselung zum Absichern der Daten im Speicher konfigurieren. Wenn Sie die Verschlüsselung für Daten bei der Speicherung aktivieren, werden alle auf einen Datenträger geschriebenen sowie sämtliche Backups verschlüsselt. Amazon Redshift übernimmt standardmäßig die Schlüsselverwaltung für Sie.

Netzwerkisolierung: In Amazon Redshift können Sie den Netzwerkzugriff auf Ihren Data Warehouse-Cluster mit Firewall-Regeln steuern. Sie können Redshift auch in Amazon Virtual Private Cloud (VPC) ausführen, um Ihren Data Warehouse-Cluster in Ihrem eigenen virtuellen Netzwerk zu isolieren und die Verbindung zur vorhandenen IP-Infrastruktur über dem Branchenstandard entsprechende verschlüsselte IPsec-VPNs herzustellen.

Prüfung und Compliance: Zur Überwachung sämtlicher Redshift-API-Aufrufe ist Amazon Redshift in AWS CloudTrail integriert. Redshift protokolliert alle SQL-Vorgänge, so zum Beispiel Verbindungsversuche, Abfragen und Änderungen an Ihrem Data Warehouse. Sie können auf diese Protokolle über SQL-Abfragen an Systemtabellen zugreifen oder die Protokolle in einen sicheren Speicherort in Amazon S3 herunterladen. Amazon Redshift erfüllt die Vorgaben von SOC1, SOC2, SOC3 und PCI DSS Level 1. Weitere Informationen erhalten Sie unter AWS Cloud – Compliance.

Tokenisierung: Mit den benutzerdefinierten Funktionen (UDFs) von Amazon Lambda können Sie eine AWS Lambda-Funktion als UDF in Amazon Redshift verwenden und sie aus Redshift SQL-Abfragen heraus abrufen. Diese Funktionalität ermöglicht es Ihnen, benutzerdefinierte Erweiterungen für Ihre SQL-Abfrage zu schreiben, um eine engere Integration in andere Services oder Produkte von Drittanbietern zu erreichen. Sie können Lambda-UDFs schreiben, um in Abfragezeit externe Tokenisierung, Data Masking und die Identifizierung oder Deidentifizierung von Daten zu ermöglichen, indem Sie Anbieter wie Protegrity integrieren, und den Schutz vertraulicher Daten je nach den Berechtigungen und Gruppen eines Nutzers, einschalten oder aufheben. 

Präzise Zugriffskontrollen: Mit präzisen Sicherheitskontrollen auf Zeilen- und Spaltenebene wird sichergestellt, dass Benutzern nur die Daten angezeigt werden, auf die sie Zugriff haben sollen. Amazon Redshift ist in AWS Lake Formation integriert. Dadurch wird sichergestellt, dass die Zugriffskontrollen auf Spaltenebene von Lake Formation auch für Redshift-Abfragen für die Daten im Data Lake angewendet werden.

Informieren Sie sich über die Neuerungen.

Sehen Sie sich die Amazon Redshift-Dokumentation an, um ausführlichere Produktinformationen zu erhalten.

Weitere Informationen zu den Preisen von Amazon Redshift

Zur Seite mit den Preisen
Bereit zum Entwickeln?
Erste Schritte mit Amazon Redshift
Haben Sie Fragen?
Kontakt