Amazon Redshift serverless
Ottieni informazioni dettagliate dai dati in pochi secondi senza bisogno di gestire l’infrastruttura del data warehouse
Vantaggi di Amazon Redshift serverless
-
Concentrati su come ottenere informazioni dettagliate iniziando rapidamente ed eseguendo analisi predittive o in tempo reale su tutti i dati, senza preoccuparti della gestione dell’infrastruttura del data warehouse.
-
Il dimensionamento automatico, intelligente e proattivo per i carichi di lavoro dinamici è abilitato in dimensioni come complessità delle query, frequenza, ETL o schemi di utilizzo delle dashboard per offrire ottimizzazioni delle prestazioni su misura.
-
Prezzi calcolati solo in base all’uso effettivo al secondo. Se il data warehouse è inattivo, non paghi nulla. Regola gli obiettivi di rapporto qualità-prezzo desiderati per il tuo carico di lavoro al fine di mantenere prestazioni costanti e rimanere nei limiti del budget.
Prova Amazon Redshift serverless?
Esegui facilmente carichi di lavoro di analisi di qualsiasi dimensione senza gestire l’infrastruttura del data warehouse. Gli sviluppatori, i data scientist e gli analisti di dati possono lavorare sui data warehouse e data lake per creare applicazioni di generazione di report e pannelli di controllo, eseguire analisi in tempo reale, collaborare sui dati e creare e addestrare modelli di machine learning (ML). Si paga solo ciò che si utilizza, risparmiando sui costi. Amazon Redshift serverless offre la flessibilità necessaria per supportare una serie diversificata di carichi di lavoro di varia complessità, a partire da un prezzo basso. La nuova tecnologia di dimensionamento e ottimizzazione basata sull’IA consente ad Amazon Redshift serverless di fornire e dimensionare automaticamente e proattivamente la capacità del data warehouse, offrendo prestazioni rapide anche per i carichi di lavoro più impegnativi. Il sistema utilizza tecniche di IA per apprendere i modelli di carico di lavoro dei clienti in dimensioni principali, come query simultanee, complessità delle query, afflusso di volumi di dati e modelli ETL. Inoltre, adatta continuamente le risorse durante il giorno e applica ottimizzazioni delle prestazioni su misura. Queste tecniche olistiche e potenziate dall'IA forniscono la migliore ottimizzazione per un determinato carico di lavoro. È possibile impostare un obiettivo riguardo al rapporto prezzo/prestazioni desiderato, che il data warehouse raggiungerà dimensionandosi automaticamente. Carica i dati e inizia subito a eseguire query in un ambiente di facile utilizzo e senza amministrazione.
Casi d’uso
Esegui analisi what-if, rilevamento delle anomalie e previsioni basate su ML, e ottieni informazioni rapide e fruibili dai dati.
Non è più necessario dedicare tempo a determinare la capacità di calcolo e ad affrontare spese eccessive o servizi insufficienti, poiché si eseguono carichi di lavoro a utilizzo regolare durante il giorno e picchi di attività che comportano query complesse e difficili da prevedere.
Non sai come dimensionare il tuo data warehouse quando installi una nuova applicazione basata sui dati? Avviando un endpoint Amazon Redshift serverless, il data warehouse verrà dimensionato in base ai requisiti del carico di lavoro.
Hai applicazioni con un’elevata variabilità di utilizzo? Pensa alle applicazioni per le risorse umane, il budget e la generazione di report operativi. Non è più necessario fornire una capacità eccessiva o insufficiente. Evita di pagare troppo, problemi di prestazioni ed esperienze utente scadenti.
Per le applicazioni multi-tenant in cui ogni tenant ha periodi di occupazione e inattività specifici a seconda dell’ora del giorno, dell’anno, degli eventi promozionali e così via, è consigliabile utilizzare un gruppo di lavoro per ciascun tenant con un’ampia gamma di capacità. Qualsiasi gruppo di lavoro può aumentare verticalmente in modo rapido per gestire periodi di attività intensa.
Peloton mira ad aiutare le persone di tutto il mondo a raggiungere i propri obiettivi di fitness attraverso attrezzature per il fitness connesse e lezioni in abbonamento. In Peloton, raccogliamo ed elaboriamo una varietà di dati che vanno dalle vendite di hardware alle tendenze degli istruttori e ai dati di allenamento degli utenti, per creare e perfezionare le nostre decisioni aziendali e migliorare l’esperienza dei clienti. Tuttavia, i carichi di lavoro di analisi stanno diventando più complessi, il che fa sì che i nostri amministratori di database dedichino molto più tempo alla modifica delle soglie di capacità e all’ottimizzazione manuale del database. Sfruttando le nuove funzionalità di ottimizzazione di Amazon Redshift serverless, possiamo ridurre ulteriormente le attività di gestione del data warehouse, rendendolo più efficiente in termini di costi e offrendo prestazioni migliori.
Jerry Wang
Direttore di Data Engineering presso Peloton
La nostra soluzione NextGen Population Health fornisce informazioni utili direttamente ai team di assistenza tramite l’aggregazione e la trasformazione di dati multi-origine. L’ottimizzazione dei nostri sistemi per ridurre gli interventi manuali come l’impostazione e la gestione dell’infrastruttura del data warehouse è fondamentale per il nostro successo. Con Amazon Redshift Serverless, non gestiamo più complessi sistemi di orchestrazione del warehouse. Amazon Redshift serverless ha migliorato le prestazioni dei carichi di lavoro e le sue capacità di scalabilità automatica ci consentono di utilizzare la velocità di Amazon Redshift anche per i nostri carichi di lavoro più dinamici pagando solo per ciò che utilizziamo. Siamo entusiasti di migrare carichi di lavoro aggiuntivi su Amazon Redshift serverless. Per noi è una vera rivoluzione.
Owen Zacharias
Vicepresidente, Application Delivery presso NextGen Healthcare
Le aziende sono continuamente alla ricerca di modi per sfruttare le piattaforme cloud per i progetti di analisi in modo da ridurre i costi e aumentare la produttività senza sacrificare le prestazioni. Con Amazon Redshift serverless, i data team possono iniziare il loro percorso verso il cloud con la creazione di un data warehouse on demand conveniente, facile da usare e prezzi basati sul consumo. Siamo entusiasti di utilizzare Amazon Redshift serverless, che si integra in modo nativo con Matillion per aiutare i team a trasformare e sincronizzare i dati e accelerare il tempo per ottenere informazioni dettagliate indipendentemente dal dimensionamento.
Rob Cornell
Responsabile Cloud and Technology Alliances presso Matillion
La facilità d’uso e l’accesso self-service ai dati sono fondamentali per le nostre iniziative di analisi. Con Amazon Redshift serverless, non dobbiamo pensare alla gestione del data warehouse. I dati di Amazon S3 vengono caricati sette volte più velocemente rispetto alla nostra soluzione precedente, aiutandoci a ottenere informazioni utili dai milioni di eventi dei clienti caricati. Siamo entusiasti dei miglioramenti delle prestazioni e delle ottimizzazioni dei costi che stiamo vedendo con Amazon Redshift serverless.
Tomer Levi
Vicepresidente R&D, Sedric
Amazon Redshift serverless ci aiuta a completare la nostra gestione dei dati senza dover gestire i cluster e ottimizza i nostri costi fornendo la giusta quantità di capacità per soddisfare la domanda. Amazon Redshift serverless sta riducendo il carico operativo, abbassando i costi e consentendo la scalabilità per il dominio Roche Go-to-Market. Questa semplificazione è un punto di svolta e ci aiuta a integrare rapidamente e supportare una varietà di casi d’uso pesanti di analisi senza attriti.
Dott. Yannick Misteli
Responsabile della piattaforma cloud e ingegnere ML, Roche
Siamo entusiasti di integrare Amazon Redshift serverless come un’entusiasmante aggiunta al nostro flusso di lavoro di analisi dei dati. Questa offerta sostituisce perfettamente diverse parti della nostra infrastruttura precedente e la sua semplicità lo rende molto facile da usare. Amazon Redshift serverless riduce drasticamente la latenza dell’ingegneria dei dati e funge da moltiplicatore di forza per accelerare lo sviluppo. L’implementazione di Amazon Redshift serverless ci ha aiutato a ridurre il nostro arretrato di ingegneria dei dati e ora ci consente di dedicare più tempo alla raccolta di informazioni dettagliate dai dati.
Harry Gollakota
Data Engineer presso Huron