在本文中，我们将讨论 Amazon Redshift 的工作原理以及它与传统本地数据仓库的比较。我们还将探讨 Astera 帮助企业通过本机数据连接器充分利用 Amazon Redshift。

什么是亚马逊红移？ 

Amazon Redshift 是由 Amazon Web Services (AWS) 提供的一款功能强大的 基于云的数据仓库 可以快速高效地处理和分析大数据。它提供易于扩展、高性能、实时数据访问、深度分析功能以及与其他应用程序的无缝集成，使其成为许多组织的首选。Amazon Redshift 可以在不牺牲性能或可扩展性的情况下处理大量数据。因此，它可以帮助企业减少数据处理时间并提高其分析能力。

其主要目标是帮助企业利用其存储的数据来洞察客户、做出更好的决策并推动收入增长。因此，通过存储大量结构化或半结构化数据，用户可以使用标准 基于 SQL 的 ETL 工具 和商业智能软件。 

借助 Amazon Redshift，企业可以从存储在其 数据仓库。这些数据可用于分析客户行为模式、跟踪库存水平或为产品开发和营销活动提供决策信息。Amazon Redshift 能够在几秒钟内处理 PB 级数据的查询，以低延迟提供高性能。 

Redshift 与传统数据仓库的比较 

首先，我们将探讨 Amazon Redshift 与常见数据仓库之间的区别。传统数据仓库使用 关系数据库 并且需要大量的手动设置。它们只有一台服务器，因此在收集大型数据集时速度不够快，效率也不够高。

相比之下，Amazon Redshift 允许用户存储和分析 PB 级数据。 它用 MPP（大规模并行处理） 将查询分解为可以并行执行的小块，以提高性能。 这使得它比传统数据仓库快得多，非常适合复杂的分析操作和需要快速访问大量数据的应用程序。

Amazon Redshift 还提供可扩展性，因为用户可以在需要时轻松增加存储容量和计算能力。 它利用列式存储技术，允许用户在执行某些查询时扫描更少的列。 因此，减少了完成操作所需的时间。 此外，Amazon Redshift 还与其他 AWS 服务集成，以便轻松设置和管理资源。

使用以下工具创建从 Amazon S3 到 Redshift 的自动化数据管道 Astera

现在就试试！

Amazon Redshift 的优势

与传统数据仓库相比，Amazon Redshift 带来了一系列优势。 通过结合经济高效的基础设施、可扩展性和卓越的分析功能，Amazon Redshift 在数据仓库方面提供了无与伦比的强大功能。

经济高效的基础设施 

Amazon Redshift 价格实惠 数据仓库解决方案，让公司能够存储和分析大量数据，而无需花费太多资金。它基于 基础设施即服务（IaaS） 模型。 这意味着企业无需投资昂贵的硬件和软件。

可扩展性 

Amazon Redshift 具有高度可扩展性，允许企业根据需求变化轻松增加或减少计算资源。 这是通过使用集群和弹性调整大小来实现的，这使企业能够在 Redshift 集群中添加或删除节点，而不会造成任何停机或对其分析工作负载造成干扰。 这些功能使 Amazon Redshift 成为分析大量数据的灵活解决方案。

卓越的分析能力 

与传统数据仓库相比，Amazon Redshift 还提供卓越的分析功能。 通过与 Apache Hive 和 Apache Spark 等强大工具的集成，企业可以快速分析大型数据集并获得有关其客户群、运营等的宝贵见解。

使用本机连接器将数据加载到 Amazon Redshift

与手动编码相比，使用本机连接器提取、转换和加载数据到 Amazon Redshift 更高效，错误更少。在编码时，数据工程师需要编写复杂的 ETL 脚本，通常要处理不同的数据源并确保每次转换都正确实施。这个过程可能变得繁琐且耗时，尤其是对于大型数据集或重复性作业。

A 数据整合工具 使用本机连接器可以自动执行大部分流程，提供具有预构建功能的用户友好界面，可减少人为错误的可能性，同时加快 ETL 工作流程。用户可以从多个来源（云平台、本地数据库或外部 API）提取数据，而无需编写大量代码。转换步骤是可直观配置的，允许用户根据预定义的逻辑清理和构造数据。最后，将数据直接加载到 Amazon Redshift 中，针对快速查询和分析进行了优化。这种方法消除了手动编码的复杂性，同时通过利用 Redshift 的架构提供了更好的性能和可扩展性。

从使用本机连接器中受益最大的组织包括那些处理大量数据或拥有多样化数据源但缺乏技术带宽来构建和维护自定义 ETL管道. 对于优先考虑速度、准确性和快速扩展能力的团队来说，它尤其有利。该解决方案使他们能够专注于数据分析和决策，而不是花时间管理移动和准备数据所需的基础设施。

Amazon Redshift 的挑战和限制

虽然 Amazon Redshift 可以轻松地与其他 AWS 服务集成，但它对其他软件生态系统的支持有限。 如果您在亚马逊基础设施之外运行软件，您可能无法使用其所有功能。

此外，Amazon Redshift 是一种基于云的应用程序，依赖于网络带宽和存储空间的可用性。 如果这两个资源不足，性能将会受到影响，并可能导致应用程序崩溃或变得无响应。

使用以下方式连接到 Amazon Redshift Astera的原生连接器

通过 Astera“ 原生连接器，用户可以充分利用 Amazon Redshift 的强大功能和可扩展性，使组织能够以传统数据仓库通常无法实现的方式访问和分析数据。 Astera 提供易于使用的可视化界面，使用户能够创建数据集成和数据迁移管道，以及数据仓库架构的数据模型。其中包括维度模型和数据仓库。

Astera 具有拖放环境，允许业务用户连接到 Redshift DB，而无需键入长代码块或指定连接字符串。 通过从支持的数据库下拉列表中选择 Amazon Redshift，轻松配置 Redshift 连接以处理数据或执行数据库查找。

图 1：滚动浏览支持的数据提供者列表 Astera 并连接到 Redshift

在无代码、消费者友好的 UI 中集成和转换 Redshift 数据

看看它是如何完成的

Amazon Redshift 数据库作为源

拖动 数据库表源 从工具箱中删除对象并将其拖放到设计器窗口中以连接到 Redshift 数据库并将其用作源对象。 接下来，您可以通过从下拉列表中选择 Redshift 作为数据提供者来配置它。

在下一步中，我们需要选择从中获取数据的表。 在本例中，我们选择一个包含员工详细信息的表，名为 公共秩序。 我们可以单击“读取”选项的“分区表”，将表分成更小的段，以便单独读取。 选择此选项可以减少数据库的负载并提高性能。 这里，我们还可以选择关键字段来对表进行分区。

数据库属性表中的另一个选项用于指定读取策略。 在这里，我们可以决定是否要读取完整的数据（完整加载）或仅读取更新的记录（基于审核字段的增量加载）。

图 2：为我们的数据库源选择表和读取策略

下一个屏幕显示数据库源表的布局生成器。 在这里，我们可以看到每个字段的数据类型和长度，以及一些其他详细信息。

图 3：Redshift 数据库表的布局构建器，其中包含有关每个字段的数据类型和长度的详细信息。

可以使用各种内置转换以多种方式处理此 Redshift 表中的数据 Centerprise 并加载到文件、数据库或任何其他可用的目的地。

图 4：显示过滤器应用于源自 Redshift 表并映射到 Excel 目标对象的数据的数据流

上面的屏幕截图显示了一个数据流，该数据流使用过滤器转换从 Orders 表中过滤数据，并将其映射到名为 FilteredRedshiftData 的 Excel 目标文件上。

Amazon Redshift 数据库作为目标

用户还可以连接到 Amazon Redshift 数据库并将其配置为目标对象。 为此， 数据库表目标 需要将对象从工具箱拖放到设计器上。 接下来，我们需要将目标对象指向 Redshift 数据库，如下所示：

图 5：使用 Redshift 作为数据提供者配置数据库表目标对象。

该图还显示了一个选项，用户可以在其中添加 Amazon Simple Storage Service (S3) 凭证以将数据批量加载到 Redshift DB。

选择 Redshift 作为数据提供者后，用户需要决定是否要选择现有表、创建新表或覆盖现有表上的数据。 在本例中，我们在数据库中创建了一个新表并将其命名为 WebAggregate。

图 6：创建一个名为 WebAggregate 的新数据库表来批量加载数据。

在此示例中，数据来自 数据库源对象 名为 WebConnectionRegistration 被聚合并传递到 WebAggregate 数据库表。 完整的数据流如下：

图 7：数据库表中的数据被聚合并映射到 Redshift 目标表。

结语 

最终，Amazon Redshift 是一个极其强大的数据仓库解决方案，可以帮助组织发现推动业务决策的见解。 通过利用 Amazon Redshift 的速度和可扩展性，组织可以快速轻松地从数据中获取见解。 除此之外，与传统数据仓库相比，他们还可以节省大量成本。

通过 Astera，用户可以：

1. 自动化流程 提取、转换和加载 (ETL) 将多个来源的数据存储到 Amazon Redshift 上的单个存储库中。
2. 自动安排您的 AWS ETL 工作流 具有内置的作业调度程序功能，可确保准确、按时处理重复性任务。
3. 该解决方案的可视化数据建模器使用户能够使用简单的拖放界面创建和修改数据模型。
4. 用户可以定义表之间的关系，创建主键和外键，并为其数据模型中的每个字段指定数据类型和约束。
5. Astera Data Warehouse Builder 还支持逆向工程。这允许用户从现有数据生成数据模型 数据库 或 Amazon Redshift 中的数据仓库。
6. 该解决方案还提供广泛的文档和版本控制功能。 因此，随着时间的推移，使用户更容易管理和维护他们的数据模型。
7. 借助自动脚本生成功能，用户可以将其逻辑数据模型正向设计到 Amazon Redshift 或任何支持的提供商上的物理数据库。

通过使用 Astera 连接到 Amazon Redshift，企业可以有效利用其存储的数据来获取洞察力并改善决策。

无需编码即可将数据从多个源加载到 Amazon Redshift 数据仓库

了解如何