使用 Amazon Redshift 构建云数据仓库 - Serverless 与 RA3 的选择
明确 Serverless 与 RA3 预置集群的选择标准，介绍通过数据共享和 Spectrum 实现数据湖联动以防止数据孤岛的方法。
Redshift 架构概述
Redshift 是采用列式存储和大规模并行处理（MPP）架构的云数据仓库。列式存储使分析查询仅读取所需的列，因此与行式 RDBMS 相比大幅减少 I/O。领导节点负责查询解析和执行计划的生成，计算节点执行数据的并行处理。RA3 实例将计算与存储分离，数据存放在基于 S3 的 Redshift Managed Storage（RMS）中。频繁访问的数据会缓存在本地 SSD 上，因此无需在意从 S3 读取的延迟。
Serverless 与预置集群的选择
Redshift Serverless 以 RPU（Redshift Processing Unit）为单位自动扩展容量，无查询执行时不产生费用。最适合 BI 仪表板的定期查询、临时分析、开发和测试环境等工作负载断续的场景。另一方面，预置集群（RA3）适合常时运行的工作负载。在 24 小时持续执行查询的生产环境中，与预留实例组合使用后，成本低于 Serverless。作为判断的参考，每天的查询执行时间不足 8 小时则 Serverless 占优势，8 小时以上则 RA3 预置集群占优势。
数据共享与 Spectrum 数据湖联动
数据共享是在 Redshift 集群之间即时共享实时数据的功能。生产者集群创建数据共享，消费者集群引用该数据共享。不发生数据复制，消费者始终引用生产者的最新数据。在各部门运行独立集群的同时共享公共主数据的用例中有效。Redshift Spectrum 是直接对 S3 上的数据执行 SQL 查询的功能。与 Parquet、ORC 等列式格式组合使用，无需加载到 Redshift 即可分析拍字节级的数据湖。将 Glue Data Catalog 用作元数据存储，Redshift 和 Athena 都可以用同一个表定义执行查询。
Redshift 定价
Redshift Serverless 按 RPU（Redshift Processing Unit）的使用量计费，基础 RPU 可从 8 起设置，每 RPU 小时约 0.375 美元（截至 2026 年 8 月）。无查询执行时不产生费用。预置集群的 RA3.xlplus 每节点约 1.086 美元/小时（月费约 782 美元），预留实例可享最高 64% 的折扣。Redshift Managed Storage 每 GB 每月约 0.024 美元。每天查询执行不足 8 小时则 Serverless 占优势，8 小时以上的常时运行则 RA3 预置集群占优势。
表设计与性能
Redshift 的性能在很大程度上取决于表的设计。要点在于决定如何将数据分布到各节点的分布方式，以及决定数据排列顺序的排序设计。将经常连接的表按同一个键分布，节点之间的数据移动会减少，连接也会变快。按经常用于筛选的列进行排序，就能避免读取不必要的数据。数据会被自动压缩，从而减少存储和读取量。根据查询模式设计分布和排序，是打造即使面对大规模数据也能快速响应的数据仓库的关键。
数据的加载与转换
向 Redshift 导入数据的基本方式是从 S3 批量加载，可以并行高效地导入。如果采用在数据仓库内部进行转换的 ELT 方式，就能利用强大的处理能力加工大量数据。将频繁执行的汇总做成预先计算并保存结果的物化视图，就能加快重复执行的查询。还有自动调整表优化的功能，可以减少运维的工作量。设计好导入原始数据、在仓库内整理成便于分析的形式的流程，能提高数据利用的效率。
并发与工作负载管理
在许多用户同时执行查询的环境中，性能往往会因争夺资源而下降。Redshift 具备在并发增加时临时扩展处理能力的机制，即使在繁忙时也能保持响应速度。通过工作负载管理功能，可以将查询按重要程度或类型分配到队列，并控制资源的分配。如果优先处理短时间内完成的轻量查询，就能避免这些查询排在繁重查询之后等待。根据用户和作业的特点合理分配资源，有助于公平而高效地使用有限的计算资源。
安全与治理
数据仓库汇集了组织的重要数据，因此保护和访问管理不可或缺。对存储的数据和通信进行加密，将集群部署在 VPC 内并控制网络。按角色授予访问权限，并在列或行的级别限制可查看的范围，即使是同一张表，也能为每位用户改变可查看的范围。还可以对敏感列进行掩码处理加以保护。记录谁访问了哪些数据，以便进行审计。与数据湖联动时也采用一致的权限管理，就能在整个组织中实现管控有序的数据治理。
总结
Redshift 是能够高速执行拍字节级数据分析的云数据仓库。从 Serverless 小规模起步，随工作负载的增长迁移到预置集群的渐进方式是有效的。利用数据共享和 Spectrum，可以防止数据孤岛，实现与数据湖的统一分析。
参考资料（AWS 官方）
本页的第一手信息来源是 AWS 官方网站及官方文档。最新的规格与价格请以下列官方页面为准。
如本页内容与官方文档不一致，请以官方文档为准。