ความสามารถของ Amazon Redshift

อินสแตนซ์ RA3 เหล่านี้เพิ่มความเร็วให้กับเวิร์กโหลดประสิทธิภาพสูงที่ต้องการความสามารถในการประมวลผลข้อมูลจำนวนมาก พร้อมด้วยความยืดหยุ่นในการชำระค่าบริการแยกต่างหากสำหรับการประมวลผลอย่างเป็นอิสระจากพื้นที่จัดเก็บข้อมูลด้วยการระบุจำนวนของอินสแตนซ์ที่คุณต้องการ

พื้นที่จัดเก็บข้อมูลแบบคอลัมน์ การบีบอัดข้อมูล และโซนแมปจะลดจำนวน I/O ที่ต้องการในการดำเนินการสืบค้น Amazon Redshift ยังให้การเข้ารหัสแบบบีบอัดที่สร้างตามวัตถุประสงค์ AZ64 สำหรับชนิดตัวเลขและวันที่และเวลา เพื่อช่วยประหยัดพื้นที่จัดเก็บข้อมูล และเพิ่มประสิทธิภาพการสืบค้น ที่เหมือนกับการเข้ารหัสที่เป็นมาตรฐานในอุตสาหกรรมอย่าง LZO และ Zstandard

รองรับผู้ใช้พร้อมกันและคำถามพร้อมกันได้แบบไร้ขีดจำกัด โดยรักษาระดับการให้บริการที่สม่ำเสม ด้วยการเพิ่มความจุชั่วคราวภายในไม่กี่วินาทีเมื่อมีการทำงานพร้อมกันเพิ่มขึ้น ปรับขนาดโดยมีผลกระทบต่อต้นทุนน้อยที่สุด เนื่องจากแต่ละคลัสเตอร์จะได้รับเครดิตการปรับขนาดพร้อมกันฟรีสูงสุด 1 ชั่วโมงต่อวัน เครดิตฟรีเหล่านี้เพียงพอสำหรับความต้องการในการใช้งานพร้อมกันของลูกค้า 97%

เริ่มเขียนไปยังฐานข้อมูล Redshift จากคลังข้อมูลอื่น ๆ ของ Redshift ด้วยการคลิกเพียงไม่กี่คลิก ช่วยให้การทำงานร่วมกันกับข้อมูล การปรับขนาดการคำนวณยืดหยุ่นสำหรับเวิร์กโหลดการประมวลผล ETL/ข้อมูล โดยการเพิ่มคลังข้อมูลประเภทและขนาดต่าง ๆ ตามความต้องการด้านราคาและประสิทธิภาพ สัมผัสความโปร่งใสในการใช้งานการคำนวณมากขึ้น เนื่องจากแต่ละคลังข้อมูลจะถูกเรียกเก็บเงินสำหรับการคำนวณของตนเอง และทำให้ต้นทุนของคุณอยู่ภายใต้การควบคุม

มุมมองผลการสืบค้นของ Amazon Redshift ทำให้คุณมีประสิทธิภาพในการสืบค้นเวิร์กโหลดการวิเคราะห์ซ้ำหรือการวิเคราะห์แบบคาดการณ์ได้เร็วขึ้นเป็นอย่างมาก เช่น การใช้แดชบอร์ด และการสืบค้นจากเครื่องมือระบบธุรกิจอัจฉริยะ (BI) และงานประมวลผลกระบวนการ Extract, Transform and Load (ETL) ข้อมูล คุณสามารถใช้มุมมองผลการสืบค้นเพื่อจัดเก็บและจัดการผลลัพธ์ที่คำนวณไว้ล่วงหน้าของคำสั่ง SELECT ที่สามารถอ้างอิงตารางอย่างน้อยหนึ่งตาราง รวมถึง Data Lake, ETL แบบไร้รอยต่อ และตารางการแชร์ข้อมูล ด้วยการรีเฟรชแบบเพิ่มหน่วย Amazon Redshift จะระบุการเปลี่ยนแปลงในตารางฐานข้อมูลหรือตารางต่าง ๆ ที่เกิดขึ้นหลังจากการรีเฟรชครั้งก่อน และอัปเดตเฉพาะระเบียนที่เกี่ยวข้องในมุมมองผลการสืบค้นเท่านั้น การรีเฟรชแบบเพิ่มหน่วยทำงานได้เร็วกว่าการรีเฟรชแบบเต็ม อีกทั้งช่วยปรับปรุงประสิทธิภาพของเวิร์กโหลด

ให้เวลาตอบสนองต่อวินาทีสำหรับการสืบค้นซ้ำ เครื่องมือแดชบอร์ด การสร้างภาพ และ BI ที่เรียกใช้การสืบค้นซ้ำ ๆ จะได้รับการเพิ่มประสิทธิภาพอย่างมาก เมื่อเรียกใช้การสืบค้น Amazon Redshift จะค้นหาแคชเพื่อดูว่ามีผลลัพธ์การแคชจากการเรียกใช้ก่อนหน้านี้หรือไม่ หากพบผลลัพธ์การแคชและข้อมูลไม่มีการเปลี่ยนแปลง ผลลัพธ์การแคชจะถูกส่งคืนทันทีแทนการเรียกใช้การสืบค้นอีกครั้ง

กลไกการเรียงลำดับตารางที่มีประสิทธิภาพใหม่ที่ปรับปรุงประสิทธิภาพของการสืบค้นซ้ำ ๆ โดยการเรียงลำดับข้อมูลโดยอัตโนมัติตามตัวกรองการสืบค้นขาเข้า (ตัวอย่างเช่น การขายในภูมิภาคเฉพาะ) วิธีนี้ช่วยเร่งประสิทธิภาพของการสแกนตารางได้อย่างมีนัยสำคัญเมื่อเทียบกับวิธีการแบบดั้งเดิม

ขยายความสามารถในการกู้คืนโดยลดเวลาการกู้คืนและรับประกันความสามารถในการกู้คืนโดยไม่สูญเสียข้อมูลได้อย่างอัตโนมัติ คลังข้อมูลแบบ Multi-AZ ของ Amazon Redshift ช่วยเพิ่มประสิทธิภาพและมูลค่าได้อย่างสูงสุด โดยมอบความพร้อมใช้งานสูงโดยไม่ต้องใช้ทรัพยากรสำรอง ซึ่งยกระดับความพร้อมใช้งานของคุณไปสู่ SLA ระดับ 99.99%

Amazon Redshift ช่วยให้คุณสามารถกำหนดค่ากฎไฟร์วอลล์เพื่อควบคุมการเข้าถึงเครือข่ายไปยังคลัสเตอร์คลังข้อมูลของคุณได้ คุณสามารถเรียกใช้ Amazon Redshift ภายใน Amazon Virtual Private Cloud (Amazon VPC) เพื่อแยกคลัสเตอร์คลังข้อมูลของคุณในเครือข่ายเสมือนของคุณเอง และเชื่อมต่อกับโครงสร้างพื้นฐานด้าน IT ที่คุณมีโดยใช้ IPsec VPN ที่มีการเข้ารหัสตามมาตรฐานอุตสาหกรรม

เพียงตั้งค่าพารามิเตอร์ไม่กี่ค่า คุณจะสามารถตั้งค่า Amazon Redshift เพื่อใช้ TLS ในการรักษาความปลอดภัยของข้อมูลที่อยู่ระหว่างการโอนย้าย และการเข้ารหัส AES-256 ที่มีการเร่งฮาร์ดแวร์สำหรับข้อมูลที่อยู่ในพื้นที่จัดเก็บ หากคุณเลือกที่จะเปิดใช้งานการเข้ารหัสข้อมูลที่อยู่ในพื้นที่จัดเก็บ ข้อมูลทั้งหมดที่เขียนลงบนดิสก์ รวมถึงข้อมูลสำรองต่าง ๆ จะถูกเข้ารหัสด้วย Amazon Redshift ดูแลการจัดการคีย์ตามค่าเริ่มต้น

การผสานรวมกับ IAM Identity Center ช่วยให้องค์กรสามารถสนับสนุนการขยายตัวตนที่เชื่อถือได้ระหว่าง Amazon Redshift, Amazon QuickSight และ AWS Lake Formation ลูกค้าสามารถใช้ข้อมูลการระบุตัวตนขององค์กรเพื่อเข้าถึง Amazon Redshift ด้วยการลงชื่อเข้าใช้ครั้งเดียวโดยใช้ผู้ให้บริการข้อมูลระบุตัวตน (IdP) ของบุคคลที่สาม เช่น Microsoft Entra ID, Okta, Ping, OneLogin ฯลฯ จาก Amazon QuickSight เครื่องมือแก้ไขการสืบค้นข้อมูลของ Amazon Redshift และเครื่องมือ BI และตัวแก้ไข SQL ของบุคคลที่สาม ผู้ดูแลระบบสามารถใช้ผู้ใช้และกลุ่ม IdP ของบุคคลที่สามเพื่อจัดการการเข้าถึงข้อมูลอย่างละเอียดระหว่างบริการและตรวจสอบการเข้าถึงระดับผู้ใช้ใน AWS CloudTrail ด้วยการขยายการระบุตัวตนที่เชื่อถือได้ ข้อมูลการระบุตัวตนของผู้ใช้จะถูกส่งผ่านอย่างราบรื่นระหว่าง Amazon QuickSight, Amazon Redshift และ Lake Formation ช่วยลดเวลาในการสร้างข้อมูลเชิงลึกและช่วยให้ประสบการณ์การวิเคราะห์ที่ปราศจากความล่าช้าได้

การควบคุมความปลอดภัยระดับแถวและระดับคอลัมน์อย่างละเอียดช่วยให้ผู้ใช้เห็นเฉพาะข้อมูลที่ควรเข้าถึง Amazon Redshift ที่ผสานการทำงานกับ Lake Formation ช่วยสร้างความมั่นใจว่าการควบคุมการเข้าถึงระดับคอลัมน์ใน Lake Formation จะถูกบังคับใช้สำหรับการสืบค้น Amazon Redshift กับข้อมูลใน Data Lake การแชร์ข้อมูลด้วย Amazon Redshift รองรับการควบคุมการเข้าถึงแบบรวมศูนย์ด้วยการใช้ Lake Formation เพื่อทำให้การกำกับดูแลข้อมูลที่แชร์จาก Amazon Redshift เป็นเรื่องง่าย Lake Formation เป็นบริการที่ทำให้การตั้งค่า Data Lake ที่ปลอดภัยง่ายขึ้น เพื่อจัดการการเข้าถึงข้อมูลแบบละเอียดจากส่วนกลางในบริการที่ใช้ทั้งหมด รวมถึงการใช้การควบคุมระดับแถวและระดับคอลัมน์ ปกป้องข้อมูลที่ละเอียดอ่อนของคุณโดยจำกัดข้อมูลที่ระบุตัวตนที่ผู้ใช้สามารถมองเห็นได้ด้วย Data Masking แบบไดนามิก กำหนดระดับสิทธิ์การเข้าถึงหลายระดับบนฟิลด์เหล่านี้ เพื่อให้ผู้ใช้และกลุ่มที่แตกต่างกันสามารถมีระดับการเข้าถึงข้อมูลที่แตกต่างกันได้ โดยไม่ต้องสร้างสำเนาข้อมูลหลายชุด โดยดำเนินการทั้งหมดนี้ผ่านอินเทอร์เฟซ SQL ที่คุ้นเคยของ Amazon Redshift

Amazon Redshift รองรับการสืบค้นแบบอ่านอย่างเดียวโดยใช้ ANSI SQL มาตรฐานบนรูปแบบตาราง Apache Iceberg, Apache Hudi และ Delta Lake และการสืบค้นรูปแบบไฟล์แบบเปิด รวมถึง Apache Parquet, ORC, Avro, JSON และ CSV โดยตรงใน Amazon S3 Apache Iceberg เป็นตัวอย่างของรูปแบบตารางแบบโอเพนซอร์สที่มอบความสอดคล้องกันแบบธุรกรรมและการจัดระเบียบข้อมูลใน Data Lake ที่ดียิ่งขึ้นผ่านโครงสร้างตาราง Amazon Redshift Spectrum ช่วยให้คุณสามารถอ่านข้อมูลจากตารางและรูปแบบข้อมูลแบบเปิด เช่น Parquet ใน Data Lake ของคุณ ขณะที่ยังคงเก็บข้อมูลที่มีโครงสร้าง กึ่งโครงสร้าง และไม่มีโครงสร้างได้มากถึงเอ็กซาไบต์ใน Amazon S3 นอกจากนี้คุณยังสามารถส่งออกข้อมูลไปยัง Data Lakeของคุณโดยใช้คำสั่ง UNLOAD ของ Amazon Redshift รวมถึงตัวเลือกในการส่งออกเป็นรูปแบบ Parquet การส่งออกข้อมูลจาก Amazon Redshift กลับไปยัง Data Lake ของคุณจะเปิดโอกาสให้คุณวิเคราะห์ข้อมูลได้มากขึ้นด้วยบริการของ AWS อย่าง Amazon Athena, Amazon EMR และ SageMaker

ใช้ SQL เพื่อทำให้นักวิเคราะห์ข้อมูล วิศวกรข้อมูล และผู้ใช้ SQL รายอื่น ๆ สามารถเข้าถึงข้อมูลของ Amazon Redshift และ Data Lake ได้มากขึ้นด้วยเวิร์กเบนช์นักวิเคราะห์บนเว็บสำหรับการสำรวจและวิเคราะห์ข้อมูล เครื่องมือแก้ไขการสืบค้นข้อมูลช่วยคุณในการแสดงภาพของผลลัพธ์การสืบค้นได้ในขั้นตอนเดียว สร้างโครงร่างและตาราง โหลดข้อมูลแบบภาพ และเรียกดูอ็อบเจ็กต์ของฐานข้อมูล ทั้งยังมีตัวแก้ไขที่ใช้งานง่ายสำหรับการเขียนและแชร์การสืบค้น การวิเคราะห์ การแสดงข้อมูลด้วยภาพ และการอธิบายประกอบของ SQL โดยสามารถแชร์กับเพื่อนร่วมทีมได้อย่างปลอดภัยอีกด้วย

ลดความซับซ้อนและทำให้การนำข้อมูลเข้าจาก Amazon S3 เป็นอัตโนมัติ ซึ่งช่วยลดเวลาและความยุ่งยากในการสร้างโซลูชันแบบกำหนดเองหรือจัดการบริการของบุคคลที่สาม ด้วยฟีเจอร์นี้ Amazon Redshift จะช่วยลดความจำเป็นในการดำเนินการคัดลอกซ้ำด้วยตนเองโดยการนำไฟล์เข้าโดยอัตโนมัติและดูแลขั้นตอนการโหลดข้อมูลในระบบอย่างต่อเนื่อง การรองรับการคัดลอกอัตโนมัติทำให้ผู้ใช้ในหน่วยธุรกิจและนักวิเคราะห์ข้อมูลที่ไม่มีความรู้ด้านวิศวกรรมข้อมูลสามารถสร้างกฎการนำข้อมูลเข้าและกำหนดค่าตำแหน่งของข้อมูลที่ต้องการโหลดจาก Amazon S3 ได้

ใช้ SQL เพื่อเชื่อมต่อและรับข้อมูลโดยตรงจาก Amazon Kinesis Data Streams และ Amazon Managed Streaming สำหรับ Apache Kafka (Amazon MSK) ได้ การนำเข้าการสตรีมของ Amazon Redshift ยังช่วยให้สร้างและจัดการไปป์ไลน์ขั้นปลายได้อย่างง่ายดาย โดยให้คุณสร้างมุมมองผลการสืบค้นที่ส่วนบนสุดของการสตรีมได้โดยตรง มุมมองผลการสืบค้นยังสามารถรวมการแปลง SQL ให้เป็นส่วนหนึ่งของไปป์ไลน์ ELT ของคุณได้ด้วย คุณสามารถรีเฟรชมุมมองผลการสืบค้นที่กำหนดด้วยตนเองเพื่อสืบค้นข้อมูลการสตรีมล่าสุดได้

สืบค้นข้อมูลสดในอินสแตนซ์ Amazon RDS อย่างน้อยหนึ่งหน้าจอ รวมถึงรุ่นที่รองรับ Amazon Aurora PostgreSQL, ฐานข้อมูลแบบเชิงสัมพันธ์ของ Amazon (Amazon RDS) สำหรับ MySQL และฐานข้อมูล Amazon Aurora MySQL Edition ที่รองรับ เพื่อให้ได้ภาพรวมธุรกิจแบบเรียลไทม์โดยไม่ต้องย้ายข้อมูล

อัลกอริทึมอันซับซ้อนจะคาดการณ์และจัดประเภทการสืบค้นที่กำลังจะเกิดขึ้น โดยดูจากจำนวนครั้งที่เรียกใช้และความต้องการทรัพยากรเพื่อจัดการประสิทธิภาพและการใช้งานพร้อมกันแบบไดนามิกไปพร้อมกับการจัดลำดับความสำคัญของเวิร์กโหลดที่มีความสำคัญทางธุรกิจให้กับคุณ การเร่งความเร็วการสืบค้นระยะสั้น (SQA) จะส่งการสืบค้นสั้นๆ จากแอปพลิเคชัน เช่น แดชบอร์ด ไปยังคิวเร่งด่วนเพื่อการประมวลผลโดยทันทีแทนการรอประมวลผลการสืบค้นจำนวนมาก การจัดการเวิร์กโหลดอัตโนมัติ (WLM) ใช้ ML เพื่อจัดการหน่วยความจำและการทำงานพร้อมกันแบบไดนามิก เพื่อช่วยเพิ่มปริมาณอัตราการโอนถ่ายข้อมูลของการสืบค้น นอกจากนี้คุณยังสามารถกำหนดลำดับความสำคัญของการสืบค้นที่สำคัญที่สุดของคุณได้แล้วในตอนนี้ แม้จะมีการสืบค้นที่ถูกส่งมาเพื่อประมวลผลกว่าร้อยรายการก็ตาม Amazon Redshift Advisor จะให้คำแนะนำเมื่อจำเป็นต้องมีการดำเนินการที่ชัดเจนของผู้ใช้เพื่อเพิ่มประสิทธิภาพการทำงานของ Amazon Redshift ให้ดียิ่งขึ้น สำหรับเวิร์กโหลดแบบไดนามิกที่รูปแบบการสืบค้นไม่สามารถคาดการณ์ได้ มุมมองผลการสืบค้นอัตโนมัติจะปรับปรุงอัตราการโอนถ่ายข้อมูลของการสืบค้น ค่าเวลาแฝงการสืบค้นที่ลดลง ลดระยะเวลาดำเนินการผ่านการรีเฟรชอัตโนมัติ เขียนข้อความการสืบค้นใหม่อัตโนมัติ รีเฟรชส่วนที่เพิ่มขึ้น และการตรวจสอบคลัสเตอร์ Amazon Redshift อย่างต่อเนื่อง การเพิ่มประสิทธิภาพตารางอัตโนมัติจะเลือกคีย์การจัดเรียงและการเผยแพร่เพื่อเพิ่มประสิทธิภาพให้กับเวิร์กโหลดของคลัสเตอร์ หาก Amazon Redshift พิจารณาว่าการใช้คีย์จะช่วยปรับปรุงประสิทธิภาพของคลัสเตอร์ได้ ตารางจะถูกเปลี่ยนแปลงโดยอัตโนมัติโดยไม่ต้องมีการแทรกแซงจากผู้ดูแลระบบ ฟีเจอร์เพิ่มเติมอย่าง Automatic Vacuum Delete, Automatic Table Sort และ Automatic Analyze ช่วยลดความจำเป็นในการบำรุงรักษาและการปรับแต่งคลัสเตอร์ของ Amazon Redshift ด้วยตนเอง เพื่อให้ได้ประสิทธิภาพที่ดีที่สุดสำหรับคลัสเตอร์ใหม่และเวิร์กโหลดการผลิต

ใช้ API ที่ตรงไปตรงมาเพื่อโต้ตอบกับ Amazon Redshift: Amazon Redshift ช่วยให้คุณเข้าถึงข้อมูลได้อย่างง่ายดายด้วยแอปพลิเคชั่นเว็บเซอร์วิสแบบ Cloud-Native และคอนเทนเนอร์แบบดั้งเดิมและแบบไม่ต้องใช้เซิร์ฟเวอร์ทุกประเภท รวมถึงแอปพลิเคชันที่ขับเคลื่อนด้วยเหตุการณ์ Data API ของ Amazon Redshift ช่วยลดความซับซ้อนในการเข้าถึงข้อมูล นำเข้าข้อมูล และส่งออกข้อมูลจากภาษาเขียนโปรแกรมและแพลตฟอร์มที่สนับสนุนโดย AWS SDK เช่น Python, Go, Java, Node.js, PHP, Ruby และ C++ Data API ช่วยลดความจำเป็นในการกำหนดค่าไดรเวอร์และการจัดการการเชื่อมต่อฐานข้อมูล คุณสามารถเรียกใช้คำสั่ง SQL ไปยังคลัสเตอร์ Amazon Redshift ได้อย่างง่ายดายเพียงแค่เรียกตำแหน่งข้อมูล API ที่ปลอดภัยซึ่งได้รับจาก Data API Data API ดูแลในส่วนของการจัดการการเชื่อมต่อฐานข้อมูลและการบัฟเฟอร์ข้อมูล และ Data API เป็นแบบอะซิงโครนัส คุณจึงสามารถดึงผลลัพธ์ได้ในภายหลัง ผลการสืบค้นของคุณจะถูกจัดเก็บไว้เป็นเวลา 24 ชั่วโมง

เรียกใช้แบบสืบค้นภายในคอนโซลหรือเชื่อมต่อเครื่องมือไคลเอ็นต์ SQL ไลบรารี หรือเครื่องมือวิทยาศาสตร์ข้อมูล เช่น QuickSight, Tableau, Microsoft Power BI, Alteryx, Querybook, Jupyter Notebook, Informatica, dbt, MicroStrategy และ Looker

เขียนคำขอการสืบค้นเป็นภาษาอังกฤษง่าย ๆ ในเครื่องมือแก้ไขการสืบค้นข้อมูลของ Amazon Redshift เพื่อสร้างโค้ด SQL ที่ถูกต้องและปลอดภัย โดยคำนึงถึงสิทธิ์อนุญาตข้อมูลของคุณ

Amazon Redshift ผสานรวมกับ Amazon Bedrock ได้อย่างราบรื่น ช่วยให้คุณใช้ AI ช่วยสร้างได้โดยตรงผ่านคำสั่ง SQL มาตรฐาน การผสานรวมนี้ช่วยให้ทีมข้อมูลสามารถใช้โมเดลพื้นฐานเช่น Anthropic Claude และ Amazon Titan สำหรับงานต่าง ๆ เช่น การวิเคราะห์ข้อความ การแปล และการตรวจจับความรู้สึกโดยไม่ต้องเพิ่มความซับซ้อนของโครงสร้างพื้นฐาน ผู้ใช้สามารถเรียกใช้โมเดล AI ได้อย่างราบรื่นภายในเวิร์กโฟลว์การวิเคราะห์ข้อมูลที่มีอยู่ ซึ่งจะช่วยแปลงวิธีการดึงข้อมูลเชิงลึกจากข้อมูลขององค์กร

Amazon Redshift ML ช่วยให้นักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ข้อมูล ผู้เชี่ยวชาญด้าน BI และนักพัฒนาสามารถสร้าง ฝึกฝน และปรับใช้โมเดล SageMaker ได้ง่ายขึ้นโดยใช้ SQL เมื่อใช้ Amazon Redshift ML คุณจะสามารถใช้คำสั่ง SQL เพื่อสร้างและฝึกฝนโมเดล SageMaker กับข้อมูลใน Amazon Redshift จากนั้นจึงใช้โมเดลเหล่านั้นเพื่อการคาดการณ์สิ่งต่าง ๆ เช่น การตรวจจับการเลิกใช้บริการ การคาดการณ์ทางการเงิน การปรับให้เหมาะกับแต่ละบุคคล และการให้คะแนนความเสี่ยงโดยตรงในการสืบค้นและรายงานของคุณ นำโมเดลภาษาขนาดใหญ่มาสู่ Amazon Redshift สำหรับงานการประมวลผลภาษาธรรมชาติขั้นสูง เช่น การสรุปข้อความ การแยกเอนทิตี และการวิเคราะห์ความรู้สึก เพื่อรับข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้นจากข้อมูลของคุณโดยใช้ SQL