Amazon Redshift 是否有自己的存储后端
Does Amazon Redshift have its own storage backend
我是 Redshift 的新手，想了解一下 Redshift 的运作方式：
Amazon Redshift 是否有自己的后端存储平台，或者它依赖于 S3 将数据存储为对象，Redshift 仅用于查询、处理和转换，并具有临时存储以从 S3 中获取特定的切片并进行处理是吗？
从某种意义上说，redshift 是否有自己的后端云 space，就像 oracle 或 Microsoft SQL 有自己的存储数据的物理服务器？
因为，如果我由于容量增加而从传统的 RDBMS 系统迁移到 Redshift，如果我单独选择 Redshift 就可以或者我应该选择 Redshift 和 S3 的组合。
这个问题似乎很基础，但我无法在 Amazon 网站或任何与 Redshift 相关的博客中找到答案。
看看你的问题，你可能会从架构方面的专业帮助中受益。
但是，为了让您入门，Redshift::
- 有自己的数据存储，没有link到s3。
- Amazon Redshift Spectrum 还允许您查询保存在 s3 中的数据（类似于 AWS
雅典娜)
- 作为后端数据库替代
传统的 RDBMS，因为事务非常慢。
- 是一个很棒的数据仓库工具，就用它吧！
是的，Amazon Redshift 使用自己的存储。
Amazon Redshift 的主要用例是运行对大量数据进行复杂查询。这就是"data warehouse".
的目的
普通数据库在超过 100 万行时开始性能下降，而 Amazon Redshift 可以处理 十亿行 。这是因为数据分布在多个节点，并以列格式存储，使其适合处理"wide"表（在数据仓库中很典型）。这就是 Redshift 速度的原因。事实上，正是 专用存储 和数据存储方式赋予了 Redshift 惊人的速度。
然而，权衡意味着虽然 Redshift 对于查询大量数据非常出色，但它并非设计用于频繁更新 数据。因此，它不应该代替应用程序用于事务的普通数据库。相反，Redshift 通常用于获取交易数据，将其与其他信息（客户、订单、交易、支持票、传感器数据、网站点击、跟踪信息等）结合起来，然后 运行 结合所有信息的复杂查询该数据。
Amazon Redshift 也可以使用 Amazon Redshift Spectrum，这与 Amazon Athena 非常相似。这两种服务都可以直接从 Amazon S3 读取数据。这种访问不如使用直接存储在 Redshift 中的数据高效，但可以通过使用列式存储格式（例如 ORC 和 Parquet）和分区文件来提高效率。当然，这仅适用于查询 数据，不适用于对数据执行事务（更新）。
较新的 Amazon Redshift RA3 节点 还能够将较少使用的数据卸载到 Amazon S3，并使用缓存来 运行快速查询。好处是它将存储与计算分开。
快速总结：
- 如果您的应用程序需要数据库，请使用 Amazon RDS
- 如果您要构建数据仓库，请使用 Amazon Redshift
- 如果你有很多很少被查询的历史数据，将其存储在Amazon S3中并通过Amazon Athena或Amazon Redshift Spectrum[=进行查询43=]
我是 Redshift 的新手，想了解一下 Redshift 的运作方式：
Amazon Redshift 是否有自己的后端存储平台，或者它依赖于 S3 将数据存储为对象，Redshift 仅用于查询、处理和转换，并具有临时存储以从 S3 中获取特定的切片并进行处理是吗？
从某种意义上说，redshift 是否有自己的后端云 space，就像 oracle 或 Microsoft SQL 有自己的存储数据的物理服务器？
因为，如果我由于容量增加而从传统的 RDBMS 系统迁移到 Redshift，如果我单独选择 Redshift 就可以或者我应该选择 Redshift 和 S3 的组合。
这个问题似乎很基础，但我无法在 Amazon 网站或任何与 Redshift 相关的博客中找到答案。
看看你的问题，你可能会从架构方面的专业帮助中受益。
但是，为了让您入门，Redshift::
- 有自己的数据存储，没有link到s3。
- Amazon Redshift Spectrum 还允许您查询保存在 s3 中的数据（类似于 AWS 雅典娜)
- 作为后端数据库替代 传统的 RDBMS，因为事务非常慢。
- 是一个很棒的数据仓库工具，就用它吧！
是的，Amazon Redshift 使用自己的存储。
Amazon Redshift 的主要用例是运行对大量数据进行复杂查询。这就是"data warehouse".
的目的普通数据库在超过 100 万行时开始性能下降，而 Amazon Redshift 可以处理 十亿行 。这是因为数据分布在多个节点，并以列格式存储，使其适合处理"wide"表（在数据仓库中很典型）。这就是 Redshift 速度的原因。事实上，正是 专用存储 和数据存储方式赋予了 Redshift 惊人的速度。
然而，权衡意味着虽然 Redshift 对于查询大量数据非常出色，但它并非设计用于频繁更新 数据。因此，它不应该代替应用程序用于事务的普通数据库。相反，Redshift 通常用于获取交易数据，将其与其他信息（客户、订单、交易、支持票、传感器数据、网站点击、跟踪信息等）结合起来，然后 运行 结合所有信息的复杂查询该数据。
Amazon Redshift 也可以使用 Amazon Redshift Spectrum，这与 Amazon Athena 非常相似。这两种服务都可以直接从 Amazon S3 读取数据。这种访问不如使用直接存储在 Redshift 中的数据高效，但可以通过使用列式存储格式（例如 ORC 和 Parquet）和分区文件来提高效率。当然，这仅适用于查询 数据，不适用于对数据执行事务（更新）。
较新的 Amazon Redshift RA3 节点 还能够将较少使用的数据卸载到 Amazon S3，并使用缓存来 运行快速查询。好处是它将存储与计算分开。
快速总结：
- 如果您的应用程序需要数据库，请使用 Amazon RDS
- 如果您要构建数据仓库，请使用 Amazon Redshift
- 如果你有很多很少被查询的历史数据，将其存储在Amazon S3中并通过Amazon Athena或Amazon Redshift Spectrum[=进行查询43=]