Funzionalità di Amazon Redshift

Analizza tutti i tuoi dati unificati utilizzando SQL con l'integrazione di Amazon Redshift con SageMaker Lakehouse. Interroga i dati di Amazon Simple Storage Service (Amazon S3) in formati aperti, eliminando lo spostamento dei dati tra lake e warehouse. Apri i tuoi dati Amazon Redshift in SageMaker Lakehouse per consentire l'accesso agli strumenti di analisi AWS e Apache Iceberg, supportando l'analisi completa dei dati e il machine learning (ML).

Amazon Redshift supporta le query di sola lettura utilizzando il noto ANSI SQL sui formati di tabella Apache Iceberg, Apache Hudi e Delta Lake, nonché le query sui formati di file aperti, tra cui Apache Parquet, ORC, Avro, JSON e CSV, direttamente in Amazon S3. Apache Iceberg è un esempio di formato di tabella open source che fornisce coerenza transazionale e una migliore organizzazione dei data lake attraverso la sua struttura a tabelle. Amazon Redshift Spectrum consente di leggere tabelle e dati in formati aperti come Parquet nel tuo data lake, conservando fino a exabyte di dati strutturati, semistrutturati e non strutturati in Amazon S3. Puoi anche esportare i dati nel tuo data lake utilizzando il comando UNLOAD di Amazon Redshift, inclusa l'opzione per l'esportazione in Parquet. Esportare i dati da Amazon Redshift nel tuo data lake ti permette di analizzarli ulteriormente tramite altri servizi AWS quali Amazon Athena, Amazon EMR e SageMaker.

Utilizza SQL per rendere i tuoi dati Amazon Redshift e il tuo data lake più accessibili agli analisti di dati, ai data engineer e ad altri utenti SQL con un workbench di analisi basato sul Web per l'esplorazione e l'analisi dei dati. Query Editor ti consente di visualizzare i risultati delle query con un solo passaggio, creare schemi e tabelle, caricare i dati visivamente e sfogliare gli oggetti del database. Offre anche un editor intuitivo per creare e condividere query SQL, analisi, visualizzazioni e annotazioni, e condividerle in modo sicuro con il tuo team.

Usa l'editor SQL integrato basato su Amazon Redshift in SageMaker Unified Studio, un unico ambiente di sviluppo di dati e intelligenza artificiale, per interrogare i dati archiviati in data lake, data warehouse, database e applicazioni.

L'integrazione senza codice tra Aurora, Amazon Relational Database Service (Amazon RDS), Amazon DynamoDB, applicazioni aziendali e Amazon Redshift consente analisi immediate e ML su petabyte di dati tra database e applicazioni. Ad esempio, per i dati scritti su sorgenti di applicazioni operative, transazionali o aziendali, le integrazioni Zero-ETL di Aurora con Amazon Redshift rendono i dati disponibili in Amazon Redshift, riducendo al minimo la necessità di creare e mantenere complesse pipeline di dati ETL.

Semplifica e automatizza l'importazione dei dati da Amazon S3 riducendo i tempi e gli sforzi necessari per creare soluzioni personalizzate o gestire servizi di terze parti. Con questa funzionalità, Amazon Redshift elimina la necessità di eseguire manualmente e ripetutamente le procedure di copia, automatizzando l'importazione dei file e gestendo le fasi di caricamento continuo dei dati dietro le quinte. Il supporto per la copia automatica permette agli utenti line-of-business e agli analisti dei dati senza conoscenze di ingegneria dei dati di creare regole di importazione e configurare la posizione dei dati che vogliono caricare da Amazon S3.

Utilizza SQL per connetterti e acquisire direttamente dati dai flussi di dati Amazon Kinesis e da Streaming gestito da Amazon per Apache Kafka (Amazon MSK). Amazon Redshift Streaming Ingestion permette anche di creare e gestire facilmente le pipeline a valle consentendo di creare viste materializzate direttamente sui flussi. Le viste materializzate possono includere anche le trasformazioni SQL come parte della pipeline ELT. Puoi aggiornare manualmente le viste materializzate definite per eseguire query sui dati di streaming più recenti.

Esegui query relative ai dati in tempo reale su una o più istanze Amazon RDS, compresi i database Amazon Aurora PostgreSQL-Compatible Edition, Amazon Relational Database (Amazon RDS) for MySQL e Amazon Aurora MySQL-Compatible Edition, per ottenere una visibilità immediata su tutte le operazioni aziendali senza dover spostare i dati.

Esegui analisi in pochi secondi e dimensiona senza la necessità di configurare e gestire l'infrastruttura di data warehouse. La tecnologia di dimensionamento e ottimizzazione basata sull'IA (disponibile in anteprima) consente ad Amazon Redshift serverless di fornire e dimensionare automaticamente e proattivamente la capacità del data warehouse, offrendo prestazioni rapide anche per i carichi di lavoro più impegnativi. Il sistema utilizza tecniche di IA per apprendere i modelli di carico di lavoro dei clienti in dimensioni principali, come query simultanee, complessità delle query, afflusso di volumi di dati e modelli ETL. Inoltre, adatta continuamente le risorse durante il giorno e applica ottimizzazioni delle prestazioni su misura. Puoi impostare il target di performance che desideri, e il data warehouse si dimensiona automaticamente per mantenere una performance consistente.

Algoritmi sofisticati prevedono e classificano le query in entrata in base ai tempi di esecuzione e ai requisiti di risorse per gestire dinamicamente le prestazioni e la concorrenza, il tutto permettendo di dare priorità ai carichi di lavoro critici per l'azienda. L’accelerazione di query brevi (SQA) invia query brevi dalle applicazioni quali pannelli di controllo per una coda rapida, così da permetterti di elaborare tali query immediatamente piuttosto che attendere che le query di maggiori dimensioni vengano completate. La gestione automatica dei carichi di lavoro (WLM) utilizza ML per gestire in modo dinamico memoria e concorrenza, permettendoti di massimizzare il throughput delle query. Inoltre, ora puoi impostare la priorità delle tue query più importanti, anche quando ne vengono inviate centinaia. Amazon Redshift Advisor formula raccomandazioni quando è necessaria un'azione esplicita dell'utente per potenziare ulteriormente le prestazioni di Amazon Redshift. Per i carichi di lavoro dinamici, dove i modelli di query non sono prevedibili, le viste materializzate automatiche migliorano il throughput delle query, diminuiscono la loro latenza, riducono il tempo di esecuzione tramite gli aggiornamenti automatici, la riscrittura automatica delle query, l'aggiornamento incrementale e il monitoraggio continuo dei cluster di Amazon Redshift. L'ottimizzazione automatica delle tabelle seleziona le chiavi di ordinamento e distribuzione per ottimizzare le prestazioni per il carico di lavoro del cluster. Se Amazon Redshift stabilisce che l'applicazione di una chiave migliorerà le prestazioni del cluster, le tabelle verranno automaticamente modificate senza richiedere l'intervento dell'amministratore. Le funzionalità aggiuntive eliminazione vacuum automatica, ordinamento automatico delle tabelle e analisi automatica eliminano la necessità di manutenzione manuale e di messa a punto dei cluster Amazon Redshift per ottenere le migliori prestazioni per i nuovi cluster e i carichi di lavoro di produzione.

Utilizza un'API semplice per l'interazione con Amazon Redshift: questo servizio consente di accedere senza problemi a tutti i tipi di applicazioni tradizionali, native del cloud e containerizzate basate su servizi web serverless e ad applicazioni basate sugli eventi. L'API di dati di Amazon Redshift semplifica l'accesso ai dati, la loro acquisizione e l'uscita dai linguaggi di programmazione e dalle piattaforme supportate da AWS SDK come Python, Go, Java, Node.js, PHP, Ruby e C++. L'API di dati permette di non dover configurare i driver e gestire le connessioni del database. Invece, è possibile eseguire comandi SQL su un cluster Amazon Redshift richiamando un endpoint API sicuro fornito dall'API di dati. L'API di dati si occupa della gestione delle connessioni al database e del caricamento dei dati. L'API di dati è asincrona, così puoi recuperare i risultati in un secondo momento. I risultati delle query vengono archiviati per 24 ore.

Esegui query all'interno della console o connetti strumenti client SQL, librerie o strumenti di data science tra cui QuickSight, Tableau, Microsoft Power BI, Alteryx, Querybook, Jupyter Notebook, Informatica, dbt, MicroStrategy e Looker.

Usa un linguaggio semplice per scrivere query in Editor di query Amazon Redshift che generano in modo sicuro raccomandazioni accurate di codice SQL nell'ambito delle autorizzazioni di accesso ai dati.

Amazon Redshift si integra perfettamente con Amazon Bedrock, abilitando funzionalità di IA generativa diretta tramite comandi SQL standard. Questa integrazione consente ai team di dati di utilizzare modelli di fondazione come Anthropic Claude e Amazon Titan per attività come l'analisi del testo, la traduzione e il rilevamento delle emozioni senza ulteriore complessità dell'infrastruttura. Gli utenti possono richiamare senza problemi i modelli di intelligenza artificiale all'interno dei flussi di lavoro di analisi dei dati esistenti, trasformando il modo in cui le informazioni vengono estratte dai dati aziendali.

Amazon Redshift ML consente ad analisti di dati, data scientist, professionisti di BI e sviluppatori di database di creare, addestrare e implementare più facilmente modelli di SageMaker utilizzando SQL. Con Amazon Redshift ML, puoi utilizzare le istruzioni SQL per creare e addestrare i modelli di SageMaker sui tuoi dati in Amazon Redshift e quindi utilizzare tali modelli per generare stime come il rilevamento del tasso di abbandono, le previsioni finanziarie, la personalizzazione e il punteggio di rischio direttamente nelle loro query e nei tuoi report. Inserisci modelli linguistici di grandi dimensioni in Amazon Redshift per attività avanzate di elaborazione del linguaggio naturale come il riepilogo del testo, l'estrazione delle entità e l'analisi delle emozioni, per ottenere informazioni più approfondite dai tuoi dati utilizzando SQL.