메인 콘텐츠로 건너뛰기

Amazon Redshift

Amazon Redshift가 어떻게 차세대 Amazon SageMaker에서 SQL 분석을 지원하는지 알아보기

Amazon Redshift

데이터 레이크하우스용 SQL을 사용하여 대규모로 비교 불가능한 가격 대비 성능을 제공

Amazon Redshift 시작하기
Amazon Redshift 전문가와 연결

Amazon Redshift를 사용해야 하는 이유는 무엇인가요?

Amazon Redshift는 대규모로 최신 데이터 분석을 실행하여 다른 클라우드 데이터 웨어하우스보다 최대 3배 더 뛰어난 가격 대비 성능과 7배 더 뛰어난 처리량을 제공합니다. Redshift Serverless를 사용하면 데이터 웨어하우스 인프라를 관리하지 않고도 분석 워크로드 규모를 손쉽게 조정할 수 있습니다. 제로 ETL 통합은 복잡한 데이터 파이프라인 없이도 스트리밍 서비스, 운영 데이터베이스, 타사 엔터프라이즈 애플리케이션의 데이터를 손쉽게 연결하여 실시간에 가까운 분석을 가능하게 합니다. Redshift의 Amazon Q는 자연어를 통해 SQL 작성을 단순화하여 생산성을 높입니다. Amazon Bedrock에서 Redshift를 구조화된 지식 기반으로 사용하여 생성형 AI 애플리케이션에서 더 정확한 결과를 얻을 수 있습니다. Redshift는 차세대 Amazon SageMaker와 완벽하게 통합되어, Amazon SageMaker의 레이크하우스에 저장된 통합 데이터에 대해 강력한 SQL 분석 기능을 활용할 수 있습니다.

장점

Redshift에서 데이터 분석 워크로드 규모를 조정할 때 다른 클라우드 데이터 웨어하우스보다 최대 3배 높은 가격 대비 성능과 7배 더 많은 처리량을 제공합니다. 조직 전체에서 확장 가능한 다중 데이터 웨어하우스 아키텍처로 워크로드를 격리하여 비용을 절감하고 비즈니스 크리티컬 SLA를 충족합니다. 네트워크 격리와 같은 포괄적인 보안 기능과 행 수준 및 열 수준 권한과 같은 세분화된 액세스 제어를 통해 추가 비용 없이 데이터를 보호할 수 있습니다.

Amazon SageMaker와의 원활한 통합을 통해 모든 통합 데이터에서 Redshift의 강력한 SQL 분석 기능을 활용하세요. Amazon S3에 저장된 개방형 형식의 데이터를 고성능으로 쿼리하므로 데이터 레이크와 데이터 웨어하우스 간에 데이터를 이동하거나 복제할 필요가 없습니다. Redshift 데이터를 SageMaker의 레이크하우스에 손쉽게 통합하여, 다양한 AWS 및 Apache Iceberg 호환 분석 엔진과 기계 학습 도구에서 데이터를 활용하고 액세스할 수 있도록 지원합니다.
복잡한 파이프라인을 구축 및 관리할 필요 없이 페타바이트 규모의 데이터를 분석에 사용할 수 있어 분석 사용 사례에 거의 실시간으로 액세스할 수 있으므로 혁신이 가속화됩니다. 제로 ETL 통합을 사용하여 Amazon Aurora, Amazon RDS 및 DynamoDB와 같은 데이터베이스에서 성능에 영향을 주지 않고 트랜잭션 데이터를 Redshift로 원활하게 이동할 수 있습니다. 네이티브 스트리밍 서비스 통합을 통해 Amazon Kinesis와 Amazon Managed Streaming for Apache Kafka(Amazon MSK)에서 대용량 실시간 데이터를 수집할 수 있습니다. 모든 데이터를 한 곳에 모아 실시간에 가까운 분석을 지원하고 Redshift에서 직접 예측 기계 학습 모델을 구축하여 강력한 비즈니스 인사이트를 확보하세요.
Amazon Redshift Serverless를 사용하면 몇 초 만에 데이터 분석을 시작할 수 있습니다. Redshift Serverless는 워크로드에서 학습하고 자동으로 컴퓨팅 규모를 조정하여 진화하는 분석 요구 사항을 처리하므로 인프라를 관리할 필요 없이 인사이트를 발견하는 데 집중할 수 있습니다. 간단히 인프라 설정 또는 유지 관리 없이 데이터 소스에 연결하고 데이터 분석을 시작할 수 있습니다.
Amazon Bedrock과 Amazon Redshift의 원활한 통합을 통해 페타바이트 규모의 조직 데이터로 개인화된 애플리케이션을 구축할 수 있습니다. Redshift Query Editor의 Amazon Q 생성형 SQL을 사용하여 데이터 사용자가 자연어로 SQL 쿼리를 더 빠르고 쉽게 작성할 수 있도록 하여 생산성을 높일 수 있습니다. Amazon Bedrock 및 SageMaker에서 텍스트 요약, 엔터티 추출, 감정 분석과 같은 고급 자연어 처리 태스크를 위한 대규모 언어 모델을 간접적으로 호출하고 SQL을 사용하여 데이터로 보다 심층적인 인사이트를 얻을 수 있습니다.

클라우드 데이터베이스 관리 시스템의 핵심 역량에 대한 2025년 Gartner 보고서

AWS는 모든 분석 사용 사례에서 가장 높은 점수를 받은 공급업체 두 곳 중 하나입니다.

보고서 읽기

이벤트 분석 부문 1위

Missing alt text value

엔터프라이즈 데이터 웨어하우스 부문 2위

Missing alt text value

레이크하우스 부문 2위

Missing alt text value

고지 사항

Gartner는 미국 및 기타 국가에서 Gartner, Inc. 및/또는 자회사의 등록 상표 및 서비스 상표이며, 허가를 받고 여기에 사용됩니다. All rights reserved.

Gartner는 연구 간행물에서 언급된 어떠한 공급업체, 제품 또는 서비스도 보증하지 않으며, 최고 등급 또는 기타 지정 사항을 갖춘 업체만 선택하도록 기술 사용자에게 권고하지도 않습니다. Gartner 연구 간행물에는 Gartner 연구소의 의견이 포함되어 있으며, 사실을 기술한 것으로 간주해서는 안 됩니다. Gartner는 이번 연구와 관련하여 상품성 또는 특정 목적에의 적합성을 보증하는 것을 비롯하여 일체의 명시적 또는 묵시적 보증을 부인합니다. 이 그림은 Gartner, Inc.가 발행한 연구 간행물의 일부로, 전체 문서의 맥락에서 평가되어야 합니다. Gartner 문서는 요청 시 AWS에서 제공해 드립니다.

사용 사례

초당 수백 메가바이트의 데이터를 수집하므로 거의 실시간으로 데이터를 쿼리하고 사기 탐지, 실시간 순위표 및 IoT를 위한 지연 시간이 짧은 분석 애플리케이션을 구축할 수 있습니다.

Amazon QuickSight, Tableau, Microsoft PowerBI 등의 Amazon Redshift 및 BI 도구를 사용하여 인사이트 중심의 보고서와 대시보드를 구축할 수 있습니다.

SQL을 사용하여 예측 분석, 분류, 회귀 등을 비롯한 다양한 사용 사례에 대한 ML 모델을 구축, 훈련 및 배포해 대량의 데이터에 대한 고급 분석을 지원할 수 있습니다.

데이터베이스, 데이터 웨어하우스, 데이터 레이크 전반의 모든 데이터를 기반으로 애플리케이션을 구축할 수 있습니다. 원활하고 안전하게 데이터를 공유하고 협업하여 고객을 위한 더 많은 가치를 창출하고, 서비스 형태로 데이터를 수익화하며, 새로운 수익원을 개발할 수 있습니다.

AWS Data Exchange에서 시장 데이터, 소셜 미디어 분석, 날씨 데이터와 같은 서드 파티 데이터를 구독하고 Amazon Redshift의 데이터와 결합할 수 있습니다. 라이선스 및 온보딩 프로세스와 데이터를 웨어하우스로 이동하는 번거로운 과정을 거치지 않아도 됩니다.

Amazon Redshift Serverless

데이터 웨어하우스를 프로비저닝 및 관리하지 않고도 몇 초 만에 손쉽게 분석 실행 및 규모 조정

Amazon Redshift Serverless 사용하기