AWS - RedShift

1. Servicio de almacenamiento de datos en nube administrado a escala de PB.
2. El servicio se lanza en un clúster de instancias.
3. Sirve para consultas complejas SQL sobre cantidades grandes de datos a nivel columnar.
4. Está basado en PosgreSQL y esta diseñado para OLAP y aplicaciones de BI.
5. Hace compresión de la data para optimizar el I/O.
6. Utiliza caché para ciertos tipos de consulta y no tener que volver a procesar información.

Amazon Redshift is a fast, fully managed, petabyte-scale data warehouse service that makes it simple and cost-effective to efficiently analyze all your data using your existing business intelligence tools. It is optimized for datasets ranging from a few hundred gigabytes to a petabyte or more and costs less than $1,000 per terabyte per year, a tenth the cost of most traditional data warehousing solutions.

DataWarehouse

RedShift el servicio mas grande de AWS para Datawarehouse

RedShift está basado en PostgreSQL, es una base de datos columnar haciendo mejor el rendimiento de I/O en los discos y performance.

RedShift es un servicio que se lanza en un clúster de instancias, para el almacenamiento de datos a gran escala pensando en guardar PB. Permite realizar consultas complejas de SQL

Siempre que pensemos en RedShift, tomemos como referencia los términos DataWarehouse y DataLake.

Conceptos claves

• DataWarehouse: RedShift es básicamente un repositorio de datos completamente centralizado que contiene información de múltiples fuentes dentro de una organización. Este es uno de los servicios más grandes, de los que tiene mayor Billing dentro de AWS.
• DataLake: Es un repositorio de almacenamiento que guarda una cantidad muy grande de raw-data, es decir, en formato nativo.
• DataMart: Es un subset de DataWarehouse orientado a una tarea específica.

RedShift es una base de datos columnar; es decir, cuando trabajemos con RedShift, la tabla normal se divide en columnas y las consultas son realizadas sobre las columnas. Esto mejora el rendimiento de I/O en los discos, mejora el performance y el tiempo de consulta sobre grandes cantidades de información. Este tipo de estructuras en una base de datos es óptimo para consultas sobre analítica, para transacciones OLAP principalmente.

Características de RedShift

• RedShift es un servicio desplegado dentro de AWS a una escala muy grande (PB).
• Toda su infraestructura se despliega en un clúster de instancias; el costo dependerá del tamaño de dicho clúster.
• Sirve para consultas muy complejas SQL sobre cantidades grandes de datos a nivel columnar. La promesa de valor de RedShift es su increíble tiempo de respuesta en las consultas a gigantescas cantidades de datos (PB).
• Está basado en PostgreSQL.
• Está diseñado específicamente para transacciones OLAP; es decir, para transacciones de analítica y procesamiento para proyectos de BI.
• Para que RedShift funcione de manera adecuada y cumpla su promesa de valor (tiempos muy cortos sobre una gran cantidad de información), hace compresión de los datos. Esta compresión mejora las actividades de I/O por segundo en los discos.
• RedShift utiliza caché para ciertos tipos de consulta y no tener que volver a procesar esa misma información.