Amazon Redshift Serverless
Erhalten Sie Erkenntnisse von Daten in Sekunden, ohne die Data-Warehouse-Infrastruktur verwalten zu müssen
Vorteile von Amazon Redshift Serverless
-
Konzentrieren Sie sich darauf, Erkenntnisse zu gewinnen, indem Sie schnell loslegen und Echtzeit- oder prädiktive Analysen für all Ihre Daten ausführen, ohne sich Gedanken über die Verwaltung der Data Warehouse-Infrastruktur machen zu müssen.
-
Intelligente, proaktive und automatische Skalierung für dynamische Workloads wird anhand von Dimensionen wie Abfragekomplexität, Häufigkeit, ETL oder Dashboard-Nutzungsmustern ermöglicht, um maßgeschneiderte Leistungsoptimierungen zu ermöglichen.
-
Zahlen Sie nur für das, was Sie pro Sekunde nutzen, und zahlen Sie nichts, wenn das Data Warehouse inaktiv ist. Passen Sie Ihre gewünschten Preis-Leistungs-Verhältnisziele an Ihre Workload an, um eine gleichbleibende Leistung zu gewährleisten und das Budget einzuhalten.
Warum Amazon Redshift Serverless?
Führen Sie mühelos Analyse-Workloads jeder Größe aus, ohne die Data-Warehouse-Infrastruktur verwalten zu müssen. Entwickler, Datenwissenschaftler und Datenanalysten können mit Data Warehouses und Data Lakes arbeiten, um Berichtserstellungs- und Dashboarding-Anwendungen zu erstellen, Echtzeitanalysen durchzuführen, Daten gemeinsam zu bearbeiten sowie Machine-Learning-Modelle zu erstellen und zu trainieren. Sie zahlen nur für das, was Sie nutzen, sodass Sie Kosten sparen. Amazon Redshift Serverless bietet Flexibilität, um eine Vielzahl von Workloads unterschiedlicher Komplexität zu unterstützen, und das zu einem günstigen Preis. Die neue KI-gesteuerte Skalierungs- und Optimierungstechnologie ermöglicht es Amazon Redshift Serverless, Data-Warehouse-Kapazitäten automatisch und proaktiv bereitzustellen und zu skalieren und so selbst für die anspruchsvollsten Workloads eine schnelle Leistung zu bieten. Das System nutzt KI-Techniken, um die Workload-Muster der Kunden über wichtige Dimensionen wie gleichzeitige Abfragen, Abfragekomplexität, Datenvolumen und ETL-Muster zu lernen. Anschließend passt es die Ressourcen im Laufe des Tages kontinuierlich an und wendet maßgeschneiderte Leistungsoptimierungen an. Diese ganzheitlichen und KI-gestützten Techniken bieten die beste Optimierung für ein bestimmtes Workload. Sie können ein gewünschtes Preis-/Leistungsziel festlegen, und das Data Warehouse skaliert automatisch, um dieses Ziel zu erreichen. Laden Sie Daten und beginnen Sie sofort mit der Abfrage in einer benutzerfreundlichen Umgebung ohne Verwaltungsaufwand.
Anwendungsfälle
Führen Sie Was-wäre-wenn-Analysen, Anomalieerkennung und ML-basierte Prognosen durch und erhalten Sie schnelle, umsetzbare Erkenntnisse aus Ihren Daten.
Verbringen Sie keine Zeit mehr damit, die Rechenkapazität zu ermitteln und auf zu hohe oder zu niedrige Ausgaben zu stoßen, wenn Sie Workloads ausführen, die den ganzen Tag über regelmäßig genutzt werden und mit Aktivitätsspitzen, die komplexe, schwer vorhersehbare Abfragen beinhalten, verbunden sind.
Sie sind sich nicht sicher, wie Sie Ihr Data Warehouse dimensionieren sollen, wenn Sie eine neue datengesteuerte Anwendung einsetzen? Starten Sie einen Amazon-Redshift-Serverless-Endpunkt, und Ihr Data Warehouse wird entsprechend Ihren Workload-Anforderungen dimensioniert.
Haben Sie Anwendungen mit hoher Nutzungsvariabilität? Denken Sie an Ihre Personal-, Budgetierungs- und betrieblichen Berichtsanwendungen. Sie müssen nicht mehr zu viel oder zu wenig Kapazität vorhalten. Vermeiden Sie überhöhte Kosten, Leistungsprobleme und schlechte Nutzererfahrungen.
Bei Mehrmandanten-Anwendungen, bei denen jeder Mandant bestimmte Beschäftigungs- und Leerlaufzeiten hat – je nach Tageszeit, Jahr, Werbeveranstaltungen usw. – sollten Sie für jeden Mandanten eine Arbeitsgruppe mit einem großen Kapazitätsbereich verwenden. Jede Arbeitsgruppe kann schnell hochskaliert werden, um Phasen hoher Aktivität zu bewältigen.
Peloton möchte Menschen auf der ganzen Welt durch seine vernetzten Fitnessgeräte und Kurse auf Abonnementbasis dabei helfen, ihre Fitnessziele zu erreichen. Bei Peloton erheben und verarbeiten wir eine Vielzahl von Daten, die von Geräteverkäufen über Trends bei Trainern bis hin zu Trainingsdaten der Benutzer reichen, um unsere Geschäftsentscheidungen für ein besseres Kundenerlebnis zu treffen und zu verfeinern. Analytics-Workloads werden jedoch immer komplexer, was dazu führt, dass unsere Datenbankadministratoren viel mehr Zeit damit verbringen, Kapazitätsgrenzwerte zu ändern und manuelle Datenbankoptimierungen durchzuführen. Durch die Nutzung der neuen Optimierungsfunktionen in Amazon Redshift Serverless können wir noch mehr Data-Warehouse-Verwaltungsaufgaben eliminieren, wodurch das System kosteneffizienter wird und gleichzeitig eine bessere Leistung erzielt wird.“
Jerry Wang
Director of Data Engineering, Peloton
Unsere NextGen Population Health-Lösung liefert den Pflegeteams durch die Zusammenführung und Umwandlung von Daten aus verschiedenen Quellen direkt verwertbare Erkenntnisse. Die Optimierung unserer Systeme, um manuelle Eingriffe wie die Einrichtung und Verwaltung der Data-Warehouse-Infrastruktur zu reduzieren, ist entscheidend für unseren Erfolg. Mit Amazon Redshift Serverless müssen wir keine komplexen Warehouse-Orchestrierungssysteme mehr verwalten. Amazon Redshift Serverless hat die Workload verbessert und seine automatischen Skalierungsfunktionen ermöglichen es uns, die Geschwindigkeit von Amazon Redshift selbst für unsere dynamischsten Arbeitslasten zu nutzen und dabei nur für das zu zahlen, was wir nutzen. Wir freuen uns darauf, weitere Workloads zu Amazon Redshift Serverless zu migrieren. Sie ist ein Game Changer.
Owen Zacharias
Vice President, Application Delivery, NextGen Healthcare
Unternehmen suchen ständig nach Möglichkeiten, Cloud-Plattformen für Analyseprojekte zu nutzen, um die Kosten zu senken und die Produktivität zu steigern, ohne die Leistung zu beeinträchtigen. Mit Amazon Redshift Serverless können Datenteams ihren Weg in die Cloud mit einem bequemen, benutzerfreundlichen On-Demand-Data-Warehousing und einer nutzungsabhängigen Preisberechnung beginnen. Wir freuen uns, Amazon Redshift Serverless zu nutzen, das nativ in Matillion integriert ist, um Teams bei der Transformation und Synchronisation von Daten zu unterstützen und die Zeit bis zum Erreichen von Erkenntnissen unabhängig von der Größe zu verkürzen.
Rob Cornell
Head of Cloud and Technology Alliances, Matillion
Benutzerfreundlichkeit und Self-Service-Datenzugriff sind für unsere Analyseinitiativen entscheidend. Mit Amazon Redshift Serverless müssen wir uns nicht um die Verwaltung des Data Warehouse kümmern. Die Daten von Amazon S3 werden siebenmal schneller geladen als bei unserer vorherigen Lösung, so dass wir aus den Millionen von geladenen Kundenereignissen verwertbare Erkenntnisse gewinnen können. Wir sind begeistert von den Leistungsverbesserungen und Kostenoptimierungen, die wir mit Amazon Redshift Serverless erleben.
Tomer Levi
Vice President of R&D, Sedric
Amazon Redshift Serverless hilft uns, unser Datenmanagement zu vervollständigen, ohne Cluster verwalten zu müssen, und optimiert unsere Kosten, indem es genau die richtige Menge an Kapazität bereitstellt, um den Bedarf zu decken. Amazon Redshift Serverless reduziert den operativen Aufwand, senkt die Kosten und ermöglicht die Skalierung für die Roche Go-to-Market-Domain. Diese Vereinfachung ist ein entscheidender Faktor, der uns hilft, eine Vielzahl von analytischen Anwendungsfällen schnell und reibungslos zu unterstützen.
Dr. Yannick Misteli
Lead Cloud Platform & ML Engineer, Roche
Wir sind begeistert, Amazon Redshift Serverless als spannende Ergänzung zu unserem Datenanalyse-Workflow aufzunehmen. Dieses Angebot ersetzt nahtlos mehrere Teile unserer bisherigen Infrastruktur und ist durch seine Einfachheit sehr benutzerfreundlich. Amazon Redshift Serverless hilft bei der drastischen Reduzierung der Latenzzeiten bei der Datentechnik und wirkt als Kraftverstärker bei der Beschleunigung der Entwicklung. Die Implementierung von Amazon Redshift Serverless hat uns dabei geholfen, unseren Daten-Engineering-Rückstand abzubauen, und ermöglicht es uns jetzt, mehr Zeit damit zu verbringen, Erkenntnisse aus den Daten zu gewinnen.
Harry Gollakota
Data Engineer, Huron